Introducing Real World VoiceEQ: Measuring the human quality of voice AI

OpenAI's GPT-Live: ChatGPT voice that listens and talks

OpenAI vừa ra mắt GPT-Live, phiên bản voice model full-duplex cho ChatGPT có khả năng nghe và nói cùng lúc, hỗ trợ hội thoại tự nhiên. Tính năng mới bao gồm dịch thuật thời gian thực, điều chỉnh mức độ suy luận, thẻ trực quan và ủy quyền nền cho GPT-5.5.

Những người lập trình viên nên đọc bài này để khám phá cách OpenAI tích hợp AI âm thanh vào giao diện người dùng, giúp phát triển các ứng dụng tương tác tự nhiên hơn, từ đó có thể ứng dụng vào các dự án tương tác âm thanh, chatbot hoặc hệ thống hỗ trợ khách hàng thông minh.

Agent Draw: An agent draws while you talk, built on TLDraw

Agent Draw là công cụ hoạt động trên tldraw Agent starter kit, cho phép AI agent vẽ trên canvas vô hạn khi bạn nói. Bạn kéo vùng chọn, mô tả yêu cầu bằng giọng nói, và agent sẽ render bằng tldraw primitives hoặc bút vẽ. Bài viết chi tiết cách triển khai: StateNode tùy chỉnh, pipeline audio MediaRecorder, transcription qua Mistral Voxtral (Cloudflare Worker), hàng đợi FIFO xử lý yêu cầu vẽ đồng thời, và kỹ thuật prompt ngăn model xuất text thay vì vẽ. Tối ưu hiệu suất bằng cách loại bỏ hai action (setMyView, review), giảm 50% round-trip. So sánh khả năng, claude-opus-4.8 tạo tác phẩm phong phú hơn claude-haiku-4.5 hay gemini-2.5-flash-lite.

Những người lập trình viên muốn phát triển ứng dụng AI tích hợp giao diện đồ họa trực quan, đặc biệt là các ứng dụng tương tác âm thanh-video, nên đọc bài này để hiểu cách xây dựng pipeline hiệu quả từ nhận dạng âm thanh, xử lý đa nhiệm và tối ưu hóa giao tiếp giữa AI với người dùng thông qua các công cụ như tldraw.

AI-Enabled Advisory Services for Higher Education

Educational institutions with large call centers face a scalability problem: reviewing advisor quality across financial aid, admissions, and enrollment calls is manual, slow, and expensive. With Databricks, GenAI can ingest calls, transcribe them with high fidelity, score advisor performance against an institutional rubric, and surface insights through natural language, all on a single governed platform. This blog walks through the approach with code notebooks and an example Genie space.

Rime picks up $24M Series A to help enterprises field customer calls

Rime is handling over 100 million calls each month across multiple companies

AMD Releases Lemonade 11.0 Local AI Server With Text-To-Speech, Other New Features

AMD has released Lemonade 11.0, a local AI server supporting AMD Ryzen CPUs, Radeon GPUs, and Ryzen AI NPU acceleration on both Windows and Linux. Key new features include text-to-speech (TTS) via an OpenMOSS backend with voice cloning and voice-design support, a new 3D generation modality using the Trellis.2 image-to-3D pipeline with an in-app model viewer, ModelScope as a second remote model registry alongside Hugging Face, and automatic installation of the FastFlowLM NPU backend on Linux. The project is fully open-source and available on GitHub.

Apple's New Speech API vs Whisper: The First Real Benchmark

A benchmark comparing Apple's new SpeechAnalyzer API (iOS/macOS 26) against the legacy SFSpeechRecognizer and three Whisper model sizes (Tiny, Base, Small) on 5,559 LibriSpeech utterances. SpeechAnalyzer achieved 2.12% WER on clean speech and 4.56% on noisy speech, beating Whisper Small (3.74%/7.95%) while running ~3x faster. The legacy SFSpeechRecognizer came last at 9.02%/16.25%. Results were validated against OpenAI's published Whisper numbers, and raw transcripts are publicly downloadable. The conclusion: developers should migrate from SFSpeechRecognizer immediately, and for English on Apple hardware, SpeechAnalyzer is now the strongest on-device option. Whisper retains advantages in language coverage (100+ vs ~30 locales) and cross-platform support.

Vocalinux 0.14 Beta Released For Offline Voice Dictation / Speech-To-Text On Linux

Vocalinux 0.14 beta vừa ra mắt, cung cấp tính năng nhận diện giọng nói offline (speech-to-text) trên Linux, hỗ trợ cả X11 và Wayland. Phiên bản mới bổ sung phím tắt cấu hình, hỗ trợ API từ xa FunASR/SenseVoice, cải tiến Wayland và tối ưu Whisper.cpp trên laptop lai, sử dụng Whisper.cpp (hoặc VOSK/OpenAI Whisper/PyTorch) với tăng tốc GPU Vulkan.

Nếu bạn là lập trình viên muốn phát triển ứng dụng xử lý giọng nói offline trên Linux, Vocalinux 0.14 beta sẽ cung cấp mã nguồn mở, backend linh hoạt (Whisper.cpp, VOSK, OpenAI) và hỗ trợ GPU/CPU hiệu quả, giúp bạn nhanh chóng tích hợp và tối ưu hóa giải pháp cho các dự án riêng của mình.