Subiect: #speech-to-text
Soniox lansează STT v6: Revoluția agentelor vocale trece prin Input Text și Filtrare Echo
Soniox STT v6 aduce două inovații critice pentru agenții vocali: Agent Text Input (contextual biasing în timp real) și Echo Filtering nativ (eliminarea echo-ului propriu agentului). Analizăm de ce acest update transformă STT-ul dintr-un simplu transcribator în componentă cognitive esențială pentru Voice AI-ul din producție.
Mistral AI lansează Voxtral 3: Revoluția în recunoașterea vocală, sinteza text-vorbire și SDK-ul pentru agenți voce
Mistral AI lansează Voxtral 3, o suită completă open-weight pentru Voice AI: speech-to-text robust multilingv, TTS expresiv cu control de prosodie, și SDK pentru agenți voce conversaționali. Articolul analizează arhitectura, implicațiile pentru dezvoltatori și enterprise, și oportunitățile pentru ecosistemul tehnologic românesc.
Microsoft sparge barierele vorbirii: MAI-Transcribe-2-Streaming, noul campion mondial la transcriere în timp real
Microsoft a lansat MAI-Transcribe-2-Streaming, un model de transcriere vocală în timp real care a ajuns pe primul loc în clasamentul Artificial Analysis. Analizăm ce înseamnă acest lucru pentru dezvoltatori, companii și utilizatorii obișnuiți, dar și ce impact ar putea avea asupra limbii române.
Sarvam AI lansează Saaras V4: Modelul care dă voce tuturor a 22 de limbi oficiale ale Indiei și englezei globale
Sarvam AI lansează Saaras V4, un model revoluționar de Speech-to-Text care acoperă toate cele 22 de limbi oficiale ale Indiei și engleza globală. Articolul analizează impactul tehnologic, social și economic al acestei inovații care redefinește inclusivitatea digitală și suveranitatea AI în Asia de Sud.
Google lansează Gemini 3.5 Transcribe: model de recunoaștere vocală cu 2,6% WER mediu în peste 85 de limbi
Google a lansat Gemini 3.5 Transcribe, un model de recunoaștere vocală cu două endpoint-uri: unul pentru streaming cu latență sub secundă și unul pentru procesare în lot, cu diarizare și timestamp-uri, la jumătate de cost. Cu 2,6% WER mediu în peste 85 de limbi și o viteză cu 70% mai mare decât Chirp 3, modelul oferă dezvoltatorilor flexibilitate și performanță fără precedent.
Cele mai bune aplicații de dictare AI: testate și clasate
Am testat și clasat cele mai bune aplicații de dictare AI disponibile în 2025, de la soluții gratuite și open-source până la abonamente premium. Descoperiți care vi se potrivește cel mai bine, în funcție de nevoile de confidențialitate, viteză și buget.