Deepgram 分享把语音转写模型迁移到 Trainium2 的工程实践
AWS 客户文章介绍 Nova-3 离线批量转写的移植、内核优化和 Rust 数据并行运行时。适合参考迁移过程与成本评估方式，吞吐和成本表现具有硬件与工作负载前提。
推荐理由：Codex 来源核对 · 按原文范围整理，保留案例及数据的适用边界。
技术方向
语音与音频 最新动态
AI 语音与音频：语音合成、实时语音对话、音乐生成与音频理解的模型与产品。
4 条精选近 30 天 4 条共收录 4 条
更新
语音与音频的精选
AWS Machine Learning Blog精选
Hugging Face Blog精选 IBM Granite Switch 4.1 以模块化端点覆盖对话、决策和语音
IBM 团队介绍通过适配器组合对话、专门决策和语音识别能力，并提供库与使用资源。适合需要多类能力的企业应用参考模块化设计及部署条件。
推荐理由：Codex 来源核对 · 按原文范围整理，保留案例及数据的适用边界。
Hugging Face Blog精选 Apertus 1.5 发布技术说明，补充多模态与可复现评估细节
Swiss AI 团队整理 8B 与 70B 模型的训练、图像音频理解、可选思考模式和评估资料。文中说明权重已在 7 月发布，本次收录的是 10 月更新的技术解读。
推荐理由：Codex 来源核对 · 原始技术资料，附实现与评估入口。
Hugging Face Blog精选 Muse Spark Open 开放权重，Hugging Face 整理推理与微调入口
官方生态文章介绍 Meta 多模态 MoE 模型的文本、图像、音频与视频能力，并列出 Transformers、MLX 等推理支持和微调示例。使用前需核对模型许可与硬件门槛。
推荐理由：Codex 来源核对 · 按原文范围整理，保留案例及数据的适用边界。