跳到正文
#语音模型
10月24日周六
  1. The Decoder

    Block 推出语音模型 Dessa：直接处理音频，识别情绪与语气

    据 The Decoder 报道，Square 和 Cash App 的母公司 Block 推出了语音模型 Dessa。该模型直接处理音频，不先转成文本，设计目标是实时识别情绪、讽刺和停顿。报道称，Dessa 可在 MacBook Pro M4 Max 上本地运行，但目前尚未公开可用。

    为什么值得看：企业负责人可关注它在语音客服、通话质检、会议分析等场景中的潜在价值：直接处理音频可能保留文本转写中丢失的语气和情绪信息，本地运行则涉及数据不出端的部署思路。但该模型尚未公开，效果、成本、硬件要求和合规能力均待核实，暂不宜作为采购或上线依据。

10月21日周三
  1. The Decoder

    ElevenLabs 发布两款实时语音到语音模型，称 v1 Max 响应 0.57 秒

    据 The Decoder 报道，ElevenLabs 发布两款面向实时 AI 对话的语音到语音模型 Eleven Realtime。厂商披露 v1 Max 在 Big Bench Audio 基准上得分 98.8%，响应时间 0.57 秒，并称 Artificial Analysis 排行榜上没有模型同时比它更快且更准确。

    为什么值得看：实时语音交互是企业客服、语音助手和坐席辅助等场景的关键环节，响应时延与识别准确度直接影响体验和人力成本。该发布提供了可比较的量化指标，可作为语音方案选型的参考；但指标为厂商披露，价格、部署方式、语言覆盖与合规信息尚不明确，需进一步核实后再评估落地。