ИИ‑ассистент «Алиса AI» начал делать звонки по поручению пользователя
ИИ‑ассистент «Алиса AI» в тестовом режиме начал делать звонки в организации и частным лицам по поручению пользователя. Об этом «Ведомостям» рассказал
OpenAI откажется от режимов Advanced Voice и Standard Voice в ChatGPT
OpenAI объявила, что 11 декабря 2026 года полностью прекратит поддержку режимов Advanced Voice Mode и Standard Voice Mode в ChatGPT. Компания планирует отказаться от устаревших голосовых решений и сосредоточить все усилия на развитии GPT‑Live.
Как мы в GPTunneL вывели голосовой GROM в прямой эфир на Физтехе
22 октября в «Большом Физтехе» мы участвовали в хакатоне «Новые города». Эксперты, школьники и студенты с нуля придумывали посёлок будущего. Сами решали, как в нём будут жить люди, и тут же собирали свои проекты на GPTunneL. Весь хакатон шёл в прямом эфире.С руководителем курорта «Мрия» Самвелом Саруханяном мы обсуждали, где устроить фестиваль, чтобы жители могли выспаться. С Полиной Албек из ГК «Дирижабль» — для чего посёлку могут пригодиться пассажирские дирижабли. Школьники Физтеха и студенты Лидерской академии в это время проектировали кампус, в котором сами хотели бы жить.
Unitree Go2: получаем root, исправляем Wi-Fi и добавляем русские голосовые команды
В нашей Unitree Go2 был штатный голосовой помощник BenBen. По-русски он с нами не разговаривал, а собака не понимала русские команды. Хотелось сказать «сидеть», «лежать» или «дай лапу» прямо роботу, без телефона в роли переводчика.Начали разбираться с голосом. По дороге получили root основного компьютера, исправили срывы подключения к Wi-Fi и обнаружили программные команды, для которых не нашли кнопок в используемом приложении: от обычных поз до сальто. Затем собрали собственный голосовой мост и научили Go2 подходить и следовать за человеком с UWB-пультом. Всё это работает на борту.
Зачем голосовому боту на LLM снова нужен классификатор вроде Jev
Голосовой бот на LLM разговаривает приятно, но на реальных звонках регулярно спотыкается. Он может найти свободное окно и так и не записать клиента или перебить человека, который просто задумался посреди фразы.Часть таких решений можно снять с LLM и отдать быстрой модели-классификатору. Самая обсуждаемая из них сейчас Jev от TypeSafe, и у нее уже появились открытые аналоги. Ниже разбираю, как Jev-подобные модели применяют в голосовых ботах другие команды, и сравниваю их кейсы с нашим опытом в Voximplant.Почему одной LLM мало
Amazon анонсировала пять новых устройств с поддержкой Alexa
Amazon представила пять новых устройств с поддержкой Alexa, включая «умную» фоторамку Alexa Photo Frame и «умный» будильник Echo Time.Alexa Photo Frame — это попытка Amazon выйти на рынок цифровых фоторамок.
Почему LLM игнорирует системный промпт: история диалога сильнее инструкций
Знакомая ситуация: в системном промпте четко написано, чего модель делать не должна ни в коем случае, а она все равно это делает. Вы переписываете правило, добавляете «ВАЖНО», капслок и примеры, становится чуть лучше, а потом снова за старое. В какой‑то момент начинаешь подозревать модель, ее настройки (например, температуру) или провайдера.
Block Джека Дорси представила голосовую ИИ-модель Dessa, которая работает с речью напрямую
Block Джека Дорси представила голосовую модель на базе искусственного интеллекта Dessa, разработанную лабораторией компании. Модель работает локально и звучит удивительно естественно: в её речи есть такие особенности, как смех, паузы и всхлипывания. Dessa обучена исключительно на человеческой речи. Для её обучения использовали одну стойку с графическими процессорами Nvidia.
Yelp научили звонить в рестораны от имени пользователя
Создатели приложения Yelp внедрили функцию, позволяющую пользователям задействовать голосового агента, чтобы позвонить в ресторан и узнать, сколько времени придётся ждать в очереди.
Диктовка без «ну» и «вот»: Whisper на своём компьютере и маленький посредник к LLM
Я пишу книги, и кроме самих книг за день набирается много другого текста: сообщения, письма, задания нейросетям. Говорить быстрее, чем печатать, поэтому большую часть этого я диктую. Только живая речь, записанная слово в слово, читается плохо. Вот фраза, которую Whisper распознал без единой ошибки:Ну вот, короче, я, это самое, хотел сказать, что, ну, завтра... завтра созвон переносится, ну, на три часа, не, на четыре.А отправить я хотел вот это:Я хотел сказать, что завтра созвон переносится на четыре.
