Amazon Polly 生成式引擎重大升级:新增 14 种语音、支持印地语和芬兰语
Amazon Polly 生成式引擎完成升级,新增 14 种语音、覆盖 9 个 locale,并首次正式支持印地语和芬兰语。升级后共提供 57 种生成式语音,覆盖 11 种语言、25 个 locale,并扩展至 AWS GovCloud(US-West),总计 11 个 AWS Region。现有语音名称和 API 调用不变,属于原地升级,价格不变且无需改动代码。
Amazon Polly 生成式引擎完成升级,新增 14 种语音、覆盖 9 个 locale,并首次正式支持印地语和芬兰语。升级后共提供 57 种生成式语音,覆盖 11 种语言、25 个 locale,并扩展至 AWS GovCloud(US-West),总计 11 个 AWS Region。现有语音名称和 API 调用不变,属于原地升级,价格不变且无需改动代码。
该方案将 AI 智能体生成的每个句子即时送入部署在 Amazon SageMaker AI 实时端点上的 Kokoro-82M 语音合成模型,让音频在完整回复生成前就开始播放。Kokoro-82M 仅有 8200 万参数,可运行在单台 ml.g5.xlarge GPU 实例上,容器同时提供 POST /invocations 与 WebSocket 双向流两条路径。
针对 Kokoro-82M(8200 万参数 TTS 模型)在 Amazon SageMaker AI 实时端点上的部署,该方案用实测的 Q_max(单实例不突破 SLO 的最高并发)和 T_total(一次完整扩容耗时)经算术推导出扩容阈值、缩容阈值与两个冷却时间,替代凭猜测设定的自动扩缩容目标。
Nirva 完成 2500 万美元 pre-Series A 轮融资,加上年初的 800 万美元,总融资额达 3300 万美元。其首款吊坠设备重约 8 克、单次充电续航最长 3 天,通过入职时采集的用户语音建模,只记录佩戴者本人并过滤周围他人对话,处理完后默认不保留音频或转录。设备定价 249 美元,11 月开始接受订单,目标年底前向早期用户发货。
Google 面向美国驾驶员在 Apple CarPlay 的 Google Maps 中上线对话式 Gemini 导航,并称全球范围也在推进。用户点击车机屏幕上的 Gemini 图标即可用语音进行多步提问,例如先询问推荐地点再要求避开收费路段导航。该功能暂未包含昨日为 Android Auto 和内置 Google 汽车发布的 Personal Intelligence 个性化能力。
ElevenLabs 发布两款名为 Eleven Realtime 的语音到语音模型。其中 Max 版本在 Big Bench Audio 基准上得分 98.8%,响应时间为 0.57 秒,ElevenLabs 称 Artificial Analysis 榜单上目前没有模型同时做到更快和更准。
Mistral AI 发布 Voxtral 3,一套面向实时语音智能体的模型家族,包含语音转文字模型 Voxtral Small Transcribe 3、文字转语音模型 Voxtral Mini TTS 3,以及基于 LiveKit 的语音智能体 SDK,将听、思考、工具调用和说话整合进单一流式流水线。
Yelp 在应用内推出 Check for Me 功能,用户输入用餐人数和手机号后,AI 语音智能体可代其致电餐厅查询等位时间,并以短信回传结果。Yelp AI 助手同时接入 OpenTable 支持应用内订座,可记住历史对话偏好、查看过去 30 天聊天记录并设置自定义提醒。面向商家,Yelp 推出付费产品 Smart Lead Reply,每月 30 美元,可自动回复并筛选客户线索。
会议记录工具 Otter.ai 从 General Catalyst 的 Customer Value Fund 获得 3.2 亿美元资金,将用于企业增长、市场推广、国际扩张和产品创新。公司称迄今已有 4000 万用户使用其产品,高于去年的 2500 万,并在去年实现年化经常性收入突破 1 亿美元。Otter 正在测试会前简报和会中 Live Assist 等功能。