Subiect: #Voice AI
Deepgram cumpără Daily, creatorul framework-ului Pipecat, pentru a consolida infrastructura sa de voice AI
Deepgram achiziționează Daily, creatorul framework-ului open-source Pipecat, pentru a consolida infrastructura sa de voice AI. Ambele companii promit să mențină Pipecat open-source și vendor-neutral, și lansează împreună Real-Time Context Standard (RCS), un protocol nou pentru agenți vocali cu context bogat. Un move strategic care redefinește echilibrul de putere în ecosistemul voice AI.
Block lansează Dessa: Un model vocal full-duplex antrenat exclusiv pe date audio, o primă în industrie
Block (fostul Square) lansează Dessa, un model vocal revoluționar full-duplex antrenat exclusiv pe date audio, eliminând pipeline-ul tradițional ASR-LLM-TTS. Aceasta permite conversații naturale cu întreruperi în timp real, latență ultra-mică și înțelegere a prosodiei, marcând trecerea la AI "speech-native" cu aplicații majore în fintech, sănătate și robotică.
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.
Treble, startup-ul islandez care simulează vocea, atrage 18 milioane de dolari pentru a deveni infrastructura industriei AI audio
Treble, un startup islandez fondat de ingineri acustici, a strâns 18 milioane de dolari pentru a-și extinde platforma de simulare a sunetului și a vocii. Compania ajută dezvoltatorii de AI audio, producătorii de hardware și companiile de robotică să testeze și să îmbunătățească produsele prin simulări fizice precise, având deja clienți precum Amazon și Logitech.
Google lansează Gemini 3.8 Live și Extended Thinking pentru agenți vocali de producție
Google a lansat Gemini 3.8 Live și Extended Thinking, cele mai avansate modele de dialog live pentru agenți vocali, cu execuție de instrumente în fundal, procesare vizuală și suport pentru 97 de limbi. Disponibile la preț competitiv, acestea promit să redefinească standardele industriei.
Cursa împotriva timpului: De ce latenta de inferență ucide agenții vocali mult înainte de lipsa de inteligență
Un benchmark rigoros din 30 august 2026 dezvăluie că majoritatea echipelor optimizează greșit latenta agenților vocali, concentrându-se pe Time to First Token (TTFT) în detrimentul latentei end-to-end reale. Articolul analizează ierarhia API-urilor (integrate vs. DIY), impactul co-locării STT-LLM-TTS și de ce viteza este singurul feature care contează în voce.
Gradium AI revoluționează sinteza vocală: noul model TTS atinge 81% succes pe cazuri dificile în doar 216 milisecunde
Gradium AI lansează un nou model TTS cu o rată de succes de 81% pe cazuri dificile și o latență de doar 216 ms până la primul audio. Descoperă cum această inovație redefinește standardele sintezei vocale și ce înseamnă pentru dezvoltatori și utilizatori.
Ringg, startup-ul indian de voice AI, primește sprijin de la Peak XV și își extinde ambițiile dincolo de apelurile telefonice
Ringg, un startup indian de voice AI, a obținut o extindere de 10 milioane de dolari de la Peak XV, totalul rundei Series A ajungând la 15,5 milioane. Compania procesează 20 de milioane de apeluri pe lună și se extinde de la apeluri simple la fluxuri complexe, precum programări medicale și onboarding KYC. Strategia sa se concentrează pe parteneriate cu GCC-uri și pe construirea unei platforme de agenți care livrează rezultate, nu doar voce.
S1-mini: Modelul open-source de 462 MB care transformă transcrierile brute în text curat
S1-mini este un model open-source de normalizare a textului, dezvoltat de Superwhisper, care transformă transcrierile brute ASR în text curat și lizibil. Cu doar 462 MB, este eficient, rapid și poate fi rulat local, oferind o alternativă accesibilă la modelele mari de limbaj.
Rime atrage 24 de milioane de dolari pentru a revoluționa apelurile vocale în întreprinderi
Startup-ul Rime, specializat în inteligență artificială vocală pentru întreprinderi, a obținut o finanțare Seria A de 24 de milioane de dolari. Compania își construiește propriile date conversaționale și modele speech-to-speech pentru a îmbunătăți apelurile clienților, având deja clienți precum Mayo Clinic și Dialpad.
OpenAI lansează GPT-Realtime-2.1 și GPT-Realtime-2.1-mini pentru agenți vocali cu latență redusă în API
OpenAI a lansat GPT-Realtime-2.1 și GPT-Realtime-2.1-mini, modele optimizate pentru agenți vocali cu latență sub 200 ms, disponibile în API. Articolul analizează caracteristicile, beneficiile și impactul asupra industriei, oferind perspective pentru dezvoltatori și utilizatori.
Șeful plăților din India: Inteligența artificială va fi esențială în următoarea eră a creșterii plăților digitale
Dilip Asbe, CEO-ul NPCI, explică modul în care inteligența artificială va fi folosită pentru a atrage următoarele jumătate de miliard de utilizatori UPI, pentru prevenirea fraudelor, acordarea de credit și dezvoltarea interfețelor vocale, într-un interviu acordat TechCrunch la Mumbai Tech Week 2026.