Голос и аудио

6 мин

Видео

AI-голосовые агенты: как они работают и почему звучат так по-человечески

CX Foundation. Разбирает голосового агента как практический конвейер: распознавание речи, языковая модель, API бизнес-систем, синтез речи и обработка перебиваний. Это даёт техническую основу для рамки внедрения из статьи перед выбором Twilio, Retell, Vapi, LiveKit или другой платформы.

Эксперт

9 мин чтения

Статья

Голосовые агенты для клиентских процессов: где они работают и где ломаются

Голосовые агенты полезны, когда процесс ограничен, данные доступны, а резервный путь понятен. Практический фреймворк для Twilio/Retell-подобных систем: раскрытие, передача человеку, тестирование и запуск.

Решить, подходит ли клиентский голосовой агент, и спроектировать первый запуск с раскрытием, эскалацией, тестированием и мониторингом.

Эксперт

11 мин

Видео

How to Clone Your Voice with AI - Realistic AI Voice Clones (Full Tutorial)

ElevenLabs. Официальный разбор, противопоставляющий Instant Voice Cloning (минута аудио, результат за секунды) и Professional Voice Cloning (30 минут — несколько часов аудио, гораздо более высокая точность). Гайд по качеству записи — микрофон, помещение, уровни, предварительная обработка — это часть, которую труднее всего найти где-то ещё, и она важнее всего для того, чтобы получить клон, которым вы будете реально пользоваться.

Начинающий

16 мин

Видео

How to Use ElevenLabs - Best Text to Speech AI Voices (FULL GUIDE)

Alec Wilcock. Экскурсия по платформе, на которой держится большинство примеров статьи: text-to-speech, speech-to-speech, voice design и клонирование голоса — всё в одном разборе с записью экрана. Проходит по ограничениям бесплатного и платного тарифов и по тем регуляторам, что реально важны (stability, similarity, style), без перепродажи.

Начинающий

3 мин

Видео

Two GPT-4os interacting and singing

OpenAI. Два экземпляра голосового режима разговаривают друг с другом, у одного из них есть доступ к камере, чтобы описывать комнату. Три минуты — и самый эффективный способ усвоить, чем голосовой режим отличается от старых интерфейсов в духе «нажми микрофон, подожди, послушай»: прерывание, тон, музыка, видение в реальном времени — всё в одном клипе.

Новичок в ИИ

26 мин

Видео

Introducing GPT-4o

OpenAI. Это та самая презентация, на которой впервые показали голосовой режим ChatGPT в реальном времени. Марк Чен делает демо с дыхательным упражнением, Барретт Зоф — демо с репетитором по математике, а потом они переключаются на синхронный перевод итальянский–английский. Двадцать шесть минут «а, вот что они имеют в виду под „говорить с ИИ как с другом“». Модель и возможности, показанные тогда, с тех пор только улучшились.

Новичок в ИИ

Начните здесь

Голосовой режим ChatGPT: говорить с AI как с другом

ИИ-голос и аудио: от клонирования до подкастов и перевода

Еще по этой теме

AI-голосовые агенты: как они работают и почему звучат так по-человечески

Голосовые агенты для клиентских процессов: где они работают и где ломаются

How to Clone Your Voice with AI - Realistic AI Voice Clones (Full Tutorial)

How to Use ElevenLabs - Best Text to Speech AI Voices (FULL GUIDE)

Two GPT-4os interacting and singing

Introducing GPT-4o