แท็ก

#Voice Agent

3 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
Mercury 2.5 ของ Inception เร็ว 1,107 โทเคน/วินาที และคอนเท็กซ์ 260K — แต่บล็อกเปิดตัวไม่มีตัวเลขเบนช์มาร์กสักตัวเดียว
โมเดลใหม่

Mercury 2.5 ของ Inception เร็ว 1,107 โทเคน/วินาที และคอนเท็กซ์ 260K — แต่บล็อกเปิดตัวไม่มีตัวเลขเบนช์มาร์กสักตัวเดียว

8 ก.ย. Inception Labs ปล่อย Mercury 2.5 โมเดลภาษาแบบ diffusion ที่อ้างว่าใหญ่ที่สุดเท่าที่เคยเทรน 1,107 tok/s คอนเท็กซ์ 260K ราคา $0.20/$0.75 (เปิดตัวลด 80%) — แต่ประกาศไม่มีตารางเบนช์มาร์ก มีแค่คำว่า 'ฉลาดขึ้น 40%' ซึ่งเมื่อคำนวณจากคะแนน Artificial Analysis ของ Mercury 2 แล้วยังห่างจากคู่เทียบที่บริษัทอ้างถึงมาก

· อ่าน 6 นาที
Open Yap 1K: บทสนทนา 1,000 ชั่วโมงแยกแทร็กซ้ายขวาบนไทม์ไลน์เดียว ใช้เชิงพาณิชย์ได้ฟรี — แต่ส่วนที่ดาวน์โหลดได้ทันทีมี 8.9 ชั่วโมง ที่เหลือต้องยื่นคำขอ
เครื่องมือนักพัฒนา

Open Yap 1K: บทสนทนา 1,000 ชั่วโมงแยกแทร็กซ้ายขวาบนไทม์ไลน์เดียว ใช้เชิงพาณิชย์ได้ฟรี — แต่ส่วนที่ดาวน์โหลดได้ทันทีมี 8.9 ชั่วโมง ที่เหลือต้องยื่นคำขอ

The Agentic Data Company ปล่อย Open Yap 1K เมื่อ 3 ก.ย. — บทสนทนาภาษาอังกฤษ 1,602 รายการ รวม 1,000 ชั่วโมง บันทึก 48 kHz แยกสองแทร็กบนไทม์ไลน์เดียวกัน เก็บจากคนที่รู้จักกันจริงผ่านแอปโทรศัพท์ของบริษัทเอง เป็นชุดข้อมูลบทสนทนาสองคนที่ใหญ่ที่สุดที่ใช้เชิงพาณิชย์ได้ แต่มีเพียงตัวอย่าง 8.9 ชั่วโมงที่อยู่ใต้ CC-BY-4.0 จริง

· อ่าน 6 นาที