20 artigos verificados sobre IA de voz, produtos e movimentos do setor.
A ElevenLabs concluiu uma recompra de ações de funcionários de 300 milhões de dólares com avaliação de 22 bilhões, o dobro de fevereiro, com GIC, OTPP e Goldman Sachs entre os novos investidores.
A Qwen, da Alibaba, lança cinco modelos com a série Qwen-Audio-3.1 e corta os preços de TTS, diálogo em tempo real e reconhecimento de voz, mirando a ElevenLabs.
Google lança Gemini 3.8 Flash TTS e Flash-Lite TTS: clonagem de voz com apenas 30 segundos de áudio, mas o preço dobra a partir de 2027.
O Qwen3.8-LiveTranslate da Alibaba reduz a latência média por caractere para 2,3 segundos, entende 60 idiomas e fala 29, com página de demonstração e API já disponíveis.
A StepFun apresentou a série StepAudio 3 com cinco modelos de voz lançados no mesmo dia; o ASR atingiu taxa de erro de palavras de 1,7% em modo não streaming, empatado em primeiro no ranking da Artificial Analysis.
A OpenAI abre a API do modelo de voz full-duplex GPT-Live-1, cobrando 0,05 dólar por minuto no front-end, com desempenho muito acima do GPT-Realtime-2.1 em tarefas concluídas.
A Tencent Hunyuan lançou em código aberto o modelo de voz AuK, de 1,5B de parâmetros e licença MIT, que reúne geração e edição de voz em um único comando; a versão AuK-Flash acelera a inferência em 4,5 vezes.
O Gemini 3.5 Transcribe do Google atinge taxa de erro de palavras de 2,6% e já entrega texto limpo e formatado, mas o preço e o limite de separação de falantes ainda ficam em aberto.
Qwen-Audio-3.0-Realtime adiciona chamadas de ferramentas à voz em tempo real. O texto resume os fatos verificados e o sinal que vai além de um anúncio isolado.
ChatGPT Voice muda para GPT-Live e reescrito para leitores de tecnologia em portugues, preservando numeros, promessas de produto e pontos de verificacao.
A Bland diz ter atendido 175 milhoes de chamadas no ultimo ano e hoje processa cerca de 3,5 milhoes por semana.
Vapi raised a $50 million Series B after Amazon Ring chose its voice AI stack over dozens of alternatives for inbound support calls.
Wispr Flow capta novo financiamento para IA de voz. A matéria resume o anúncio, o contexto estratégico e os riscos práticos para usuários ou empresas afetadas.
A ElevenLabs ampliou sua Series D para mais de US$ 550 milhões, com valuation de US$ 11 bilhões, enquanto o ARR de voz AI empresarial cresceu 43% em três meses.
A OpenAI adiciona ao Realtime API um modelo de voz que raciocina enquanto fala, tradução ao vivo e transcrição em streaming.
O modelo grok-voice-think-fast-1.0 da xAI atingiu 67,3% no τ-voice Bench, superando amplamente os concorrentes, e já está em uso real no sistema de atendimento ao cliente da Starlink com uma taxa de automação de 70%.
xAI lança API de áudio do Grok com baixa taxa de erro. A matéria resume o anúncio, o contexto estratégico e os riscos práticos para usuários ou empresas afetadas.
A equipe Qwen da Alibaba lançou o Qwen3.5-Omni, seu primeiro modelo verdadeiramente multimodal que processa texto, imagens, áudio e vídeo em uma única arquitetura, com clonagem de voz em tempo real.
Mistral lançou o Voxtral TTS, seu primeiro modelo de voz com 4B parâmetros, pesos abertos, avaliado como mais natural que o ElevenLabs Flash v2.5 e equivalente ao ElevenLabs v3.
O Google lançou o Gemini 3.1 Flash Live, um modelo nativo de áudio para áudio que substitui o pipeline tradicional ASR-LLM-TTS, reduzindo a latência e permitindo interrupções.