Amazon hat seinen KI-Sprachassistenten Alexa+ um eine Podcast-Funktion erweitert. Todd Spangler berichtet für Variety, dass das neue Feature namens Alexa Podcasts Audioepisoden vollständig durch künstliche Intelligenz erstellt, mit zwei synthetischen Stimmen als Gastgeber. Nutzer nennen Alexa+ per Sprache ein gewünschtes Thema. Der Assistent erstellt daraufhin eine Übersicht des geplanten Inhalts. Länge und Schwerpunkte lassen sich …
OpenAI hat drei neue Audio-Sprachmodelle über seine Realtime API veröffentlicht. Jedes Modell erfüllt eine andere Aufgabe: Reasoning, Übersetzung und Transkription. Das erste Modell, GPT-Realtime-2, bringt Reasoning auf GPT-5-Niveau in Live-Gespräche. Laut OpenAI kann es komplexe Anfragen bearbeiten, Unterbrechungen verarbeiten und externe Tools aufrufen, ohne den Gesprächsfluss zu unterbrechen. Das zweite Modell, GPT-Realtime-Translate, übersetzt gesprochene Sprache …
Künstliche Intelligenz produziert Musik in einem Ausmaß, das die Streaming-Branche grundlegend verändert. Der französische Streaming-Dienst Deezer meldet, dass täglich 75.000 KI-generierte Tracks auf die Plattform hochgeladen werden. Das entspricht rund 44 Prozent aller täglichen Uploads. Spotify löschte innerhalb eines Jahres mehr als 75 Millionen Spam-Tracks. Der Anstieg wird vor allem durch Tools wie Suno und …
Google hat Gemini 3.1 Flash TTS veröffentlicht, ein neues Text-to-Speech-Modell. Das Unternehmen bezeichnet es als sein bisher natürlichstes und ausdrucksstärkstes Modell dieser Art. Es ist als Vorschauversion über die Gemini API, Google AI Studio, Vertex AI für Unternehmenskunden sowie Google Vids für Workspace-Nutzer verfügbar. Das Modell unterstützt mehr als 70 Sprachen und kann Gespräche zwischen …
Google hat sein KI-Musikmodell Lyria 3 Pro vorgestellt. Myriam Hamed Torres schreibt für Google DeepMind, dass das Modell Tracks von bis zu drei Minuten Länge erzeugen kann. Dabei versteht es musikalische Strukturen wie Intros, Verse, Refrains und Bridges. Das Modell ist auf mehreren Google-Plattformen verfügbar. Unternehmen können es über Vertex AI für die Produktion großer …
Google hat Gemini 3.1 Flash Live veröffentlicht. Valeria Wu und Yifan Ding schreiben im Google Blog, dass das Modell schneller antwortet und natürlichere Gespräche ermöglicht als sein Vorgänger. Das Modell ist in mehreren Google-Produkten verfügbar. Entwicklerinnen und Entwickler können es über die Gemini Live API in Google AI Studio nutzen. Unternehmen haben Zugang über Gemini …
Das französische KI-Unternehmen Mistral hat Voxtral TTS veröffentlicht, ein Open-Weight-Text-to-Speech-Modell für den Unternehmenseinsatz. Mögliche Anwendungsgebiete sind Kundendienst, Vertrieb und Echtzeit-Übersetzung. Anders als Konkurrenten wie ElevenLabs, Deepgram und OpenAI stellt Mistral die vollständigen Modellgewichte zur Verfügung. Unternehmen können das Modell auf ihrer eigenen Infrastruktur betreiben und müssen keine Daten an Dritte übermitteln. Das Modell basiert auf …
Google hat seine Gemini-App um eine Musikgenerierungsfunktion erweitert. Joël Yawili und Myriam Hamed Torres schreiben im Google Blog, dass die Funktion auf Lyria 3 basiert, dem neuesten generativen Musikmodell von Google DeepMind. Sie befindet sich derzeit in der Beta-Phase. Nutzerinnen und Nutzer können einen Text eingeben, zum Beispiel eine Stimmung, eine Erinnerung oder ein Genre. …
Mistral AI hat Voxtral Transcribe 2 veröffentlicht, eine Familie von Speech-to-Text-Modellen für Batch-Verarbeitung und Echtzeit-Transkription. Das Unternehmen positioniert die Technologie als präziser und deutlich günstiger als konkurrierende Services und ermöglicht gleichzeitig lokale Verarbeitung für sensible Daten. Die Veröffentlichung umfasst zwei Modelle. Voxtral Mini Transcribe V2 verarbeitet voraufgezeichnete Audiodateien für $0.003 pro Minute, was laut Mistral …
ElevenLabs hat „The Eleven Album“ veröffentlicht. Das Album enthält Originalkompositionen von etablierten Künstlern wie Liza Minnelli und Art Garfunkel. Die Stücke entstanden in Zusammenarbeit mit dem AI Musikgenerationssystem des Unternehmens. Das Projekt gilt als eine der ersten großen Kooperationen zwischen künstlicher Intelligenz und professionellen Musikern, berichtet Todd Spangler für Variety. Das Album umfasst verschiedene Genres …