13 geprüfte Beiträge zu Sprach-KI, Produkten und Branchenentwicklungen.
Googles Gemini 3.5 Transcribe erreicht eine Wortfehlerrate von 2,6 % und erledigt Bereinigung sowie Formatierung direkt im Modell – Preis und Grenzen der Sprechertrennung bleiben aber offen.
Qwen-Audio-3.0-Realtime bringt Tool-Aufrufe in Echtzeit-Sprachinteraktion. Der Beitrag ordnet die überprüften Fakten und die Bedeutung über die einzelne Meldung hinaus ein.
ChatGPT Voice wechselt zu GPT-Live wird fuer deutschsprachige Tech-Leser eingeordnet, mit den zentralen Zahlen, Produktversprechen und offenen Pruefpunkten.
Bland hat nach eigenen Angaben im vergangenen Jahr 175 Millionen Anrufe bearbeitet und kommt nun auf 3,5 Millionen pro Woche.
Vapi raised a $50 million Series B after Amazon Ring chose its voice AI stack over dozens of alternatives for inbound support calls.
Wispr Flow sammelt neues Kapital für Sprach-KI ein. Der Beitrag ordnet die Ankündigung, den strategischen Kontext und die praktischen Risiken für betroffene Nutzer oder Unternehmen ein.
ElevenLabs erweitert seine Series D auf mehr als 550 Millionen Dollar bei 11 Milliarden Dollar Bewertung. Noch wichtiger ist das 43-prozentige ARR-Wachstum im Enterprise-Geschäft mit Voice AI.
OpenAI bringt ein sprechend schlussfolgerndes Voice-Modell, Live-Übersetzung und Streaming-Transkription in die Realtime API.
Das Modell grok-voice-think-fast-1.0 von xAI erreicht 67,3 % im τ-voice-Benchmark, weit vor der Konkurrenz, und wird bereits im Kundenservice von Starlink mit einer Automatisierungsrate von 70 % eingesetzt.
xAI startet Grok-Audio-API mit niedriger Fehlerquote. Der Beitrag ordnet die Ankündigung, den strategischen Kontext und die praktischen Risiken für betroffene Nutzer oder Unternehmen ein.
Alibabas Qwen-Team hat Qwen3.5-Omni veröffentlicht, das erste wirklich multimodale Modell des Unternehmens, das Text, Bilder, Audio und Video in einer einzigen Architektur verarbeitet und Echtzeit-Sprachklonierung bietet.
Mistral hat Voxtral TTS veröffentlicht, sein erstes Sprachmodell mit 4B Parametern, offenen Gewichten, das in manuellen Bewertungen natürlicher als ElevenLabs Flash v2.5 und auf Augenhöhe mit ElevenLabs v3 sein soll.
Google hat Gemini 3.1 Flash Live veröffentlicht, ein natives Audio-zu-Audio-Modell, das die herkömmliche ASR-LLM-TTS-Pipeline ersetzt, Latenz reduziert und Unterbrechungen ermöglicht.