Karyawan ElevenLabs Jual Saham $300 Juta, Valuasi Jadi $22 Miliar
ElevenLabs merampungkan tender offer karyawan senilai $300 juta dengan valuasi $22 miliar, dua kali lipat dari Seri D Februari, dengan GIC dan Goldman Sachs sebagai investor baru.
Berita dan Analisis AI suara
20 artikel terverifikasi tentang AI suara, produk, dan perkembangan industri.
Qwen Pangkas Harga AI Suara hingga 95%
Qwen milik Alibaba merilis lima model suara baru dan memangkas harga TTS, obrolan real-time, serta ASR hingga 95%, menantang ElevenLabs.
Google Rilis Gemini 3.8 TTS, Bisa Kloning Suara dari Rekaman 30 Detik
Google merilis model sintesis suara baru yang bisa mengkloning suara dari rekaman 30 detik, tapi belum tersedia di Illinois, Texas, dan Uni Eropa, sementara harganya naik dua kali lipat pada 2027.
Alibaba Pangkas Latensi Terjemahan Real-Time ke 2,3 Detik
Qwen3.8-LiveTranslate memangkas latensi per-karakter dari 2,8 ke 2,3 detik, memahami 60 bahasa, bisa bicara 29 bahasa; halaman demo dan API sudah aktif.
StepFun rilis lima model suara, tingkat kesalahan kata capai 1,7%
StepFun merilis lima model StepAudio 3 sekaligus, unggul di beberapa papan peringkat Artificial Analysis, dengan ASR mencatat tingkat kesalahan kata 1,7%.
GPT-Live-1 OpenAI Dibuka untuk Pengembang API, 5 Sen per Menit
OpenAI membuka GPT-Live-1 untuk pengembang API pada 10 September dengan tarif 0,05 dolar per menit, unggul jauh dari GPT-Realtime-2.1 dalam uji penyelesaian tugas.
Tencent Hunyuan Rilis AuK, Model Suara Open Source yang Bisa Diedit
Tencent Hunyuan merilis AuK, model suara open source berlisensi MIT berparameter 1,5 miliar yang bisa menghasilkan, mengedit, dan membersihkan audio lewat instruksi, dengan versi cepat 4,5 kali lebih kencang.
Model Transkripsi Baru Google Turunkan Error Rate ke 2,6%
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
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
ChatGPT Voice beralih ke GPT-Live disusun ulang untuk pembaca teknologi Indonesia dengan angka utama, klaim produk, dan pertanyaan terbuka tetap dipertahankan.
Bland raup US$50 juta untuk panggilan AI yang sulit
Bland mengklaim menangani 175 juta panggilan tahun lalu dan kini memproses sekitar 3,5 juta panggilan per minggu.
Vapi reaches $500M valuation after winning Amazon Ring
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
Wispr Flow raih pendanaan baru untuk AI suara. Artikel ini merangkum pengumuman, konteks strategis, dan risiko praktis bagi pengguna atau perusahaan terdampak.
ElevenLabs Dekati ARR US$500 Juta
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 Merombak Agen Suara lewat Tiga Model Realtime
OpenAI memasukkan model suara yang bisa bernalar sambil berbicara, penerjemahan langsung, dan transkripsi streaming ke Realtime API.
Model Suara Baru Grok Ungguli Gemini 30 Poin Persentase di Benchmark
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
xAI luncurkan API audio Grok dengan galat rendah. Artikel ini merangkum pengumuman, konteks strategis, dan risiko praktis bagi pengguna atau perusahaan terdampak.
Alibaba Rilis Qwen3.5-Omni: Model Teks, Audio, Video Terpadu dengan Kloning Suara
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 Rilis Model Suara 4B Secara Open Source, Dinilai Lebih Natural dari ElevenLabs
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 Rekonstruksi AI Suara, Luncurkan Gemini 3.1 Flash Live
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.