13 artikel terverifikasi tentang AI suara, produk, dan perkembangan industri.
Google merilis model transkripsi suara Gemini 3.5 Transcribe pada 26 Agustus, menurunkan word error rate menjadi 2,6%, mempercepat transkripsi 70% dibanding Chirp 3, dan mendukung lebih dari 85 bahasa.
Qwen-Audio-3.0-Realtime menambahkan pemanggilan alat ke interaksi suara real-time. Artikel ini merangkum fakta yang terverifikasi dan sinyal yang lebih luas dari satu pengumuman.
ChatGPT Voice beralih ke GPT-Live disusun ulang untuk pembaca teknologi Indonesia dengan angka utama, klaim produk, dan pertanyaan terbuka tetap dipertahankan.
Bland mengklaim menangani 175 juta panggilan tahun lalu dan kini memproses sekitar 3,5 juta panggilan per minggu.
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 raih pendanaan baru untuk AI suara. Artikel ini merangkum pengumuman, konteks strategis, dan risiko praktis bagi pengguna atau perusahaan terdampak.
ElevenLabs memperbesar putaran Series D menjadi lebih dari US$550 juta dengan valuasi US$11 miliar, sementara ARR voice AI untuk perusahaan naik 43% hanya dalam tiga bulan.
OpenAI memasukkan model suara yang bisa bernalar sambil berbicara, penerjemahan langsung, dan transkripsi streaming ke Realtime API.
grok-voice-think-fast-1.0 milik xAI mencetak 67,3% di τ-voice Bench, jauh meninggalkan Gemini 3.1 Flash Live yang hanya 43,8%, dan sudah digunakan langsung di sistem layanan pelanggan Starlink.
xAI luncurkan API audio Grok dengan galat rendah. Artikel ini merangkum pengumuman, konteks strategis, dan risiko praktis bagi pengguna atau perusahaan terdampak.
Tim Qwen Alibaba telah merilis Qwen3.5-Omni, model all-modal pertama mereka yang memproses teks, gambar, audio, dan video dalam satu arsitektur, dengan fitur kloning suara real-time dan audio-video vibe coding.
Mistral merilis Voxtral TTS, model suara pertama mereka, pada 26 Maret. Model open-weight 4B parameter ini dinilai oleh evaluator manusia lebih natural daripada ElevenLabs Flash v2.5 dan setara dengan ElevenLabs v3. Harga API $0,016 per seribu karakter, dan dapat dijalankan di server sendiri.
Google telah merilis Gemini 3.1 Flash Live, sebuah model yang memampatkan pipeline suara tiga tahap tradisional menjadi model audio-ke-audio (audio-to-audio) asli, mengurangi latensi dan memungkinkan fitur seperti barge-in dan pemanggilan alat.