יום שני, 16 בנובמבר 2026 מתעדכן אוטומטית כל שעה

בנושא

בינה מלאכותית קולית

חומרה ורובוטיקה

Liquid AI משיקה את LiquidCodec: קודק שמע קטן שרץ על thread יחיד של מעבד

Liquid AI השיקה את LiquidCodec, קודק שמע לסטרימינג עם כ-74 מיליון פרמטרים, שמשמש את מודלי הקול LFM3-Audio-2B ו-LFM3-Omni-2B. לפי הדיווח הוא מקודד שמע מהר בערך פי 361 מזמן אמת על thread יחיד של CPU. ככל הנראה המשמעות היא שאפשר להריץ מודלי קול קטנים ישירות על המכשיר, בלי לשלוח את השמע לענן.

מודלים וכלים

Fish Audio משיקה את Live 3: מודל קול שמקשיב גם בזמן שהוא מדבר ומגיב תוך 186 מילישניות

חברת Fish Audio השיקה את Live 3, מודל קול מסוג full-duplex שמיועד לסוכני קול. המודל מקשיב למשתמש גם בזמן שהוא עצמו מדבר, מבחין בין "הממ" של הסכמה לבין הפרעה אמיתית, ויכול להגיב תוך 186 מילישניות בלבד. בשלב ההשקה הוא תומך רק באנגלית.

עסקים ותעשייה

Edge0 משחררת Audio8-TTS-Realistic: מודל פתוח לשיבוט קול ב-23 שפות

חברת Edge0 שחררה את Audio8-TTS-Realistic, מודל המרת טקסט לדיבור בגודל 0.6 מיליארד פרמטרים, שיכול לשבט קול בלי אימון מוקדם על הדובר. המשקולות פתוחות ברישיון Apache 2.0, המודל תומך ב-23 שפות, ושלב האימון האחרון שלו מבוסס על GRPO שמונחה על ידי מודל שאומן לשפוט עד כמה הדיבור נשמע טבעי.

חומרה ורובוטיקה

אנבידיה משחררת מודל תמלול פתוח ל-40 שפות, אבל רק להקלטות

אנבידיה שחררה את Nemotron 3.5 Transcribe, מודל open-weight חינמי שמתמלל 40 שפות, מזהה עד שמונה דוברים ומתרגם 31 שפות לאנגלית וממנה. המודל עובד רק על הקלטות ולא על שידור חי, ולכן הוא מתאים בעיקר לתמלול ישיבות ולתמלול רפואי.

מודלים וכלים

מיקרוסופט משיקה את MAI-Transcribe-2-Streaming: מודל תמלול בזמן אמת שדורג ראשון בבנצ'מארק

Microsoft AI, חטיבת ה-AI של מיקרוסופט, השיקה את MAI-Transcribe-2-Streaming, מודל התמלול הראשון שלה שעובד בזמן אמת. המודל דורג במקום הראשון מתוך 38 מודלים בדירוג התמלול בזמן אמת של Artificial Analysis. הוא תומך ב-60 שפות, עולה 0.54 דולר לשעת אודיו בתקופת ההשקה וזמין כעת בתצוגה ציבורית ב-Microsoft Foundry.

סין

עליבאבא משיקה מודל קול דו-כיווני שמחליט בעצמו מתי לדבר

צוות Qwen של עליבאבא השיק את Qwen-Audio-3.1-Realtime, מודל קול בזמן אמת שיכול להקשיב ולדבר בו-זמנית, להפעיל כלים ולהחליט מתי נכון לענות. בבדיקה שפרסמה החברה שיעור התגובות השגויות לדיבור ברקע ירד מ-73% ל-13%. המודל זמין כבר עכשיו כ-API בפלטפורמת QwenCloud.

סין

עליבאבא משיקה את Qwen Audio 3.1: חמישה מודלים קוליים, כולל זיהוי דוברים ורגשות, והוזלות של עד 95%

צוות Qwen של עליבאבא השיק את Qwen-Audio-3.1, סדרה של חמישה מודלים לזיהוי דיבור, להקראת טקסט ולשיחה בזמן אמת. גרסת ASR-Next מזהה כמה דוברים, רגשות וצלילי רקע. במקביל החברה מורידה את המחירים: עד 95% פחות על זיהוי דיבור, כ-85% פחות על המודל בזמן אמת וכ-70% פחות על הקראת טקסט.

חומרה ורובוטיקה

אנבידיה משחררת את Nemotron 3 Diarization: מודל פתוח שמזהה עד 8 דוברים, גם בזמן אמת

אנבידיה פרסמה ב-Hugging Face את Nemotron 3 Diarization, מודל open-weight קטן יחסית, בגודל 100 מיליון פרמטרים, שקובע מי דיבר מתי בשיחה. המודל עוקב אחרי עד שמונה דוברים, גם כשהם מדברים בו-זמנית. אותו checkpoint עובד גם על הקלטות וגם על שידור חי.