ข้ามไปยังเนื้อหา

แท็ก

#Voice AI

4 บทความ

Block เปิดตัว Dessa โมเดลสนทนาเสียงแบบ full-duplex ที่เทรนจากเสียงพูดของคนล้วนๆ ไม่ใช้ข้อความหรือโมเดล pretrained เลย — เคลมรันบน MacBook Pro M4 Max ได้, เทรนบน GB200 NVL72 ชุดเดียว แต่ยังไม่มีให้ดาวน์โหลด ไม่มีขนาดโมเดล ไม่มี benchmark
โมเดลใหม่

Block เปิดตัว Dessa โมเดลสนทนาเสียงแบบ full-duplex ที่เทรนจากเสียงพูดของคนล้วนๆ ไม่ใช้ข้อความหรือโมเดล pretrained เลย — เคลมรันบน MacBook Pro M4 Max ได้, เทรนบน GB200 NVL72 ชุดเดียว แต่ยังไม่มีให้ดาวน์โหลด ไม่มีขนาดโมเดล ไม่มี benchmark

ทีมวิจัยเล็กๆ ใน Block เปิดตัว Dessa (เผยแพร่สู่สาธารณะ 23 ต.ค. 2026) เป็นโมเดล speech-to-speech แบบ full-duplex ที่เทรนจากศูนย์ด้วยบทสนทนาเสียงของคนเท่านั้น ไม่มีข้อความและไม่มีโมเดล pretrained ฟังและพูดพร้อมกันได้ แทรกคำตอบรับ หัวเราะกลางประโยค และเคลมว่ารันในเครื่อง MacBook Pro M4 Max ได้เร็วกว่า real time แต่ตอนนี้มีเพียงคลิปเดโมกับ waitlist ไม่มีขนาดโมเดล ไม่มี benchmark และไม่มี license

· อ่าน 4 นาที
OpenAI เปิด prompt-to-voice ให้ลูกค้า API ทุกราย: พิมพ์บรรยายเสียงแล้วได้เสียงใหม่ใช้กับ GPT-Live ฟรี (สร้างได้ 100 เสียงต่อองค์กร) พร้อมเสียงใหม่ 9 เสียง เยอรมัน ฝรั่งเศส ฮินดี ญี่ปุ่น เกาหลี — ยังไม่มีไทย
เครื่องมือนักพัฒนา

OpenAI เปิด prompt-to-voice ให้ลูกค้า API ทุกราย: พิมพ์บรรยายเสียงแล้วได้เสียงใหม่ใช้กับ GPT-Live ฟรี (สร้างได้ 100 เสียงต่อองค์กร) พร้อมเสียงใหม่ 9 เสียง เยอรมัน ฝรั่งเศส ฮินดี ญี่ปุ่น เกาหลี — ยังไม่มีไทย

16 ต.ค. 2026 OpenAI เปิด prompt-to-voice ให้ลูกค้า API ทุกราย สร้างเสียงจากคำบรรยายผ่าน /v1/audio/voices ได้ฟรี เพดาน 100 เสียงต่อองค์กร ใช้ได้กับ GPT-Live เท่านั้น (ยังใช้กับ TTS, Realtime, Chat Completions ไม่ได้) พร้อมเพิ่มเสียง natural ภาษาเยอรมัน ฝรั่งเศส ฮินดี ญี่ปุ่น และเกาหลีอีก 9 เสียง แต่ยังไม่มีเสียงภาษาไทย

· อ่าน 4 นาที
Gemini 3.8 Live และ Extended Thinking ขึ้น API แล้ว — อันดับ 1 Speech-to-Speech Index ที่ 82.6 แต่นำ GPT-Live-1 แค่ 1.1 คะแนน และตัวถูกอยู่อันดับ 5
โมเดลใหม่

Gemini 3.8 Live และ Extended Thinking ขึ้น API แล้ว — อันดับ 1 Speech-to-Speech Index ที่ 82.6 แต่นำ GPT-Live-1 แค่ 1.1 คะแนน และตัวถูกอยู่อันดับ 5

15 ก.ย. Google เปิด gemini-3.8-live และ gemini-3.8-live-extended-thinking ใน Gemini API และ AI Studio สถานะ New Stable — ตัว Extended Thinking ขึ้นอันดับ 1 Artificial Analysis Speech to Speech Index ที่ 82.6 แต่ข้อมูลดิบของ AA แสดงว่านำ GPT-Live-1 (81.5) แค่ 1.1 คะแนน ส่วน Gemini 3.8 Live ตัวธรรมดาได้ 76.0 อยู่อันดับ 5 ค่าเสียงไป-กลับรวมราว $0.023 ต่อนาที ถูกกว่า GPT-Live-1 ที่ $0.05 ต่อนาทีบวกค่า backend

· อ่าน 7 นาที
GPT-Live 1 ขึ้น API แบบ GA ที่ $0.05 ต่อนาที — โมเดลเสียงที่ฟังและพูดพร้อมกัน แล้วส่งงานคิดให้ backend ที่เราเลือกเอง
เครื่องมือนักพัฒนา

GPT-Live 1 ขึ้น API แบบ GA ที่ $0.05 ต่อนาที — โมเดลเสียงที่ฟังและพูดพร้อมกัน แล้วส่งงานคิดให้ backend ที่เราเลือกเอง

10 ก.ย. OpenAI เปิด gpt-live-1 ใน API แบบ GA หลังจากเปิดตัวใน ChatGPT เมื่อ ก.ค. โดยยังไม่มี API — คิดเงินตามเวลาสนทนา $0.05 ต่อนาทีเก็บรายวินาที แยกจากค่าโมเดล backend ที่รับงานคิดและเรียกทูลแทน ใช้ได้เฉพาะเอนด์พอยต์ใหม่ v1/live/sessions ไม่ใช่ Realtime API เดิม และไม่เปิดให้ Free tier

· อ่าน 5 นาที