Deepgram to Establish APAC Headquarters in Singapore Following Strategic Investment from EDBI

Deepgram1 Hot5 min5 d agoAI

Aura-2 (TTS) Now Speaks Dutch, French, German, Italian, and Japanese

Deepgram mở rộng API chuyển văn bản thành giọng nói (TTS) Aura-2, bổ sung thêm 5 ngôn ngữ: tiếng Hà Lan, Pháp, Đức, Ý và Nhật, nhằm cung cấp hạ tầng giọng nói tự nhiên, sẵn sàng cho doanh nghiệp trên toàn cầu.

Lập trình viên phát triển ứng dụng đa ngôn ngữ nên đọc bài này để tìm hiểu cách tích hợp Aura-2 của Deepgram vào dự án của mình để cung cấp giọng nói tự nhiên, đa ngôn ngữ và phù hợp với các yêu cầu doanh nghiệp trên thị trường toàn cầu.

#webdev #text-to-speech #voice-ai Source

Hacker News9 Hot9 min1 mo agoAI

Introducing GPT-Live

OpenAI ra mắt GPT-Live, thế hệ mới của mô hình giọng nói sử dụng kiến trúc full-duplex, cho phép nghe và nói đồng thời. GPT-Live hỗ trợ tương tác liên tục, xử lý ngắt lời tự nhiên và duy trì cuộc trò chuyện mượt mà, trong khi chuyển các truy vấn phức tạp cho GPT-5.5 xử lý nền. Hai phiên bản GPT-Live-1 (trả phí) và GPT-Live-1 mini (miễn phí) sẽ được triển khai toàn cầu trên iOS, Android và ChatGPT.com, vượt trội so với Advanced Voice Mode trên nhiều tiêu chuẩn. Tính năng an toàn bao gồm điều chỉnh đầu ra thời gian thực, hỗ trợ khủng hoảng, bảo vệ cho thanh thiếu niên và kiểm soát của phụ huynh, cùng kế hoạch cung cấp API sắp tới.

Để cập nhật kỹ năng giao tiếp và xử lý các tình huống tương tác thực tế, từ việc đối thoại tự nhiên với người dùng đến xử lý vấn đề phức tạp như tìm kiếm web hoặc lý luận khoa học, một lập trình viên nên đọc bài này để hiểu cách xây dựng hệ thống AI tương tác hiệu quả hơn.

#ai-agents #openai #chatgpt Source

The Next Web5 Hot3 min1 mo agoAI

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.

#openai #chatgpt #voice-ai Source

Medium1 Hot12 min25 d agoAI

Build a Fully Local Voice Assistant With Whisper and Ollama

Xây dựng trợ lý giọng nói hoàn toàn cục bộ bằng Whisper (để nhận dạng giọng nói) và Ollama (để xử lý ngôn ngữ) thay vì phụ thuộc vào máy chủ của bên thứ ba.

Nếu bạn muốn tự tạo một hệ thống trợ lý giọng nói hoàn toàn tự chủ, không phụ thuộc vào các nền tảng trung gian và bảo vệ dữ liệu nói chuyện của riêng mình, bài này sẽ hướng dẫn cách xây dựng một giải pháp hiệu quả với Ollama và Whisper.

#python #local-ai #ollama Source

OpenAI1 Hot5 min26 d agoAI

Introducing OpenAI Presence

OpenAI Presence là nền tảng agent AI doanh nghiệp đã được chứng minh, giúp các tổ chức triển khai các agent voice và chat đáng tin cậy cho quy trình khách hàng và nội bộ.

Một lập trình viên nên đọc bài này để khám phá cách xây dựng các ứng dụng AI tích hợp với hệ thống hiện có bằng cách sử dụng OpenAI Presence, giúp tối ưu hóa giao tiếp tự động hóa cho cả khách hàng và nội bộ công ty.

#ai #ai-agents #openai Source

Hacker News1 Hot8 min1 mo agoAI

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-agents #cloudflare #speech-recognition Source

Deepgram0 Hot11 min5 d agoAI

Accent Detection AI: How It Works & When Developers Need It

Bài viết hướng dẫn kỹ thuật về cách phát hiện accent trong các pipeline xử lý giọng nói sản xuất. Nó giải thích khi nào công nghệ ASR (Automatic Speech Recognition) mạnh mẽ với accent có thể thay thế nhu cầu phân loại accent và khi nào cần xây dựng hệ thống phát hiện accent tùy chỉnh.

Lập trình viên cần đọc để hiểu cách xây dựng và áp dụng hệ thống phát hiện giọng nói có độ chính xác cao, giúp tối ưu hóa các pipeline xử lý giọng nói trong ứng dụng thực tế mà không cần phân loại giọng địa phương chi tiết.

#machine-learning #speech-recognition #voice-ai Source

Deepgram0 Hot10 min5 d agoAI

Streaming Speech Recognition API for Real-Time Transcription

Xây dựng hệ thống nhận dạng giọng nói theo thời gian thực với độ trễ dưới 300 ms. Tìm hiểu cách API streaming xử lý âm thanh trực tiếp, WebSockets và mở rộng quy mô cho hệ thống sản xuất.

Lập trình viên muốn phát triển ứng dụng giao tiếp thời gian thực hoặc tích hợp công nghệ tự động hóa âm thanh cần hiểu cách tối ưu hóa API nhận dạng giọng nói để giảm thiểu thời gian trễ và đảm bảo hiệu suất cho hệ thống sản xuất.

#architecture #speech-recognition #websocket Source

Deepgram to Establish APAC Headquarters in Singapore Following Strategic Investment from EDBI

Recommended for you

Aura-2 (TTS) Now Speaks Dutch, French, German, Italian, and Japanese

Introducing GPT-Live

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

Build a Fully Local Voice Assistant With Whisper and Ollama

Introducing OpenAI Presence

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

Accent Detection AI: How It Works & When Developers Need It

Streaming Speech Recognition API for Real-Time Transcription

One account, the whole ecosystem

8syncdev.com

Courses

Coding practice

IELTS

ZUS — AI IDE

mind0

AcoLeads