
OpenAI 发布 GPT Transcribe 语音识别模型,错误率仍落后 ElevenLabs、Google 和 Mistral
OpenAI 推出 GPT Transcribe 和 GPT Live Transcribe 两款新语音识别模型,但在第三方基准测试中错误率高于 ElevenLabs、Google 和 Mistral 的同类产品。
来自全网的最新 AI 资讯,每日自动聚合更新
共 741 篇

OpenAI 推出 GPT Transcribe 和 GPT Live Transcribe 两款新语音识别模型,但在第三方基准测试中错误率高于 ElevenLabs、Google 和 Mistral 的同类产品。

记者、小说家等文字工作者开始刻意加入个人化笔误和第一人称叙事,以区别于AI生成文本,形成一种对抗AI的“文学反文化”。


研究者向 AI 展示一张它无法看到的图像,AI 却编造了详细的描述。这一实验揭示了当前大语言模型在视觉推理中的根本缺陷,并引发对模型可信度的担忧。

Hugging Face 发布的 LFM2.5-Encoders 模型通过优化编码器架构,在 CPU 上实现了高效的长上下文推理,为资源受限场景下的 NLP 应用提供了新选择。

AI语音初创公司Fish Audio宣布获得5000万美元种子轮融资,其开源及托管模型已吸引超800万用户,年经常性收入达2100万美元。

Google DeepMind 推出 Gemini Robotics 2,赋予机器人全身协调的智能能力,使其能更自然、灵活地执行复杂任务。

Anthropic CEO Dario Amodei 重申对开源 AI 模型的担忧,称其可能被用于生物或网络攻击,并可能让中国等国家超越美国。批评者认为他是在维护自家商业利益。
研究人员发现,Hugging Face 平台上的主流图像编辑模型可被轻易用于制作深度伪造裸照,且已有上千条提示词显示用户正在滥用这些工具。

Anthropic CEO Dario Amodei 明确表示不反对开源权重模型,但对中国 AI 能力的快速增长表示担忧。

一位教授在作业中嵌入不可见的提示词,成功检测出32/35名学生使用AI完成作业,引发关于AI作弊检测与教学公平的讨论。

Moonshot AI 发布 Kimi K3 模型权重并开源部分基础设施,在主流基准测试中接近西方前沿模型,但独立测试显示网络与数学能力差距较大,可能涉及知识蒸馏。