แท็ก

#Speech-to-Text

2 บทความ

Mistral เปิดตัว Voxtral 3: โมเดลถอดเสียง 50+ ภาษา, TTS $13 ต่อล้านตัวอักษร และ voice agent SDK บน LiveKit — แต่รอบนี้เป็น API อย่างเดียว ไม่ปล่อย weights
โมเดลใหม่

Mistral เปิดตัว Voxtral 3: โมเดลถอดเสียง 50+ ภาษา, TTS $13 ต่อล้านตัวอักษร และ voice agent SDK บน LiveKit — แต่รอบนี้เป็น API อย่างเดียว ไม่ปล่อย weights

Mistral เปิดตัว Voxtral 3 (20 ต.ค. 2026) มีโมเดลถอดเสียง Small/Mini/Realtime, TTS ที่ปรับอารมณ์ได้ และ voice agent SDK ราคาเริ่ม $0.0035/นาที แต่ทุกตัวเป็น Public Preview ระดับ Premier ไม่มี weights บน Hugging Face ต่างจาก Voxtral รุ่นก่อนที่เป็น Apache-2.0 และหน้า docs ของ TTS ระบุว่ารองรับ 9 ภาษา ไม่ใช่ 35+ ตามที่บล็อกเขียน

· อ่าน 4 นาที
Microsoft AI เปิด MAI-Transcribe-2-Streaming ถอดเสียงแบบเรียลไทม์ 60 ภาษา ได้ผลแรกในราว 100ms และ MAI-Voice-2.1/Flash ที่โคลนเสียงได้ — มีเสียงภาษาไทยให้เลือกแล้ว 4 เสียง
โมเดลใหม่

Microsoft AI เปิด MAI-Transcribe-2-Streaming ถอดเสียงแบบเรียลไทม์ 60 ภาษา ได้ผลแรกในราว 100ms และ MAI-Voice-2.1/Flash ที่โคลนเสียงได้ — มีเสียงภาษาไทยให้เลือกแล้ว 4 เสียง

1 ต.ค. 2026 Microsoft AI ปล่อยโมเดลเสียงสามตัวสำหรับ voice agent: MAI-Transcribe-2-Streaming (ถอดเสียงสด 60 ภาษา ผลแรกในราว 100ms ราคาโปรโมชัน $0.54/ชม. ถึงสิ้นปี), MAI-Voice-2.1 ($22 ต่อ 1M ตัวอักษร) และ MAI-Voice-2.1-Flash ($15, latency 150ms) ใช้ได้บน Foundry, Vercel และ OpenRouter โดยเอกสาร Azure ระบุว่ารองรับภาษาไทย

· อ่าน 4 นาที