Das Fraunhofer IDMT hat Verfahren entwickelt, die kindliche Sprache automatisch auswerten und mögliche Auffälligkeiten früh sichtbar machen sollen. Die Technik erfasst gesprochene Sprache。
Der AWS Machine Learning Blog zeigt, wie sich ein Sprachassistent für Flugreisen mit Amazon Bedrock AgentCore und Amazon Nova 2.5 Sonic in eine Airline-Anwendung einbauen lässt. Reisende können per Sprache Flugdaten abrufen, Sitzplätze ändern oder Fragen zu Airline-Regeln stellen. Die gezeigte Anbindung nutzt Beispieldaten; für den Einsatz mit echten Buchungen muss sie an die Systeme der Airline angepasst werden.
Ein Fehler lässt Alexa Plus auf manchen Amazon-Echo-Lautsprechern mitten im Gespräch minutenlang «lalala» sagen oder singen. Nutzer haben das Verhalten auf mehreren Echo-Modellen gemeldet und Videos davon veröffentlicht. Amazon bestätigt den Fehler bei einer kleinen Zahl von Nutzern und arbeitet an einer Lösung.
Google könnte Gemini Call for Me über Anrufe bei Unternehmen hinaus auf Freunde und Familie ausweiten. Hinweise aus einer APK-Analyse zeigen Beispiele für kurze telefonische Mitteilungen sowie mögliche Einstellungen für Anrufberechtigungen. Ob Google diese Funktionen veröffentlicht, ist offen.
Hugging Face hat das Open TTS Leaderboard für die Bewertung mehrsprachiger Open-Source-Modelle zur Sprachsynthese und zum Stimmenklonen erstellt. Es misst Verständlichkeit。
Google DeepMind stellt Gemini 3.8 Live mit Live Avatar für visuelle Gespräche nahezu in Echtzeit vor. Die Funktion verbindet Sprache und Video。
Grund für die Empfehlung: Die Kombination aus laufendem Dialog und Video zeigt, wie Unternehmen virtuelle Gesprächspartner einsetzen können, ohne die Unterhaltung bei Datenabfragen zu unterbrechen.
Google führt Gemini 3.8 Flash TTS für gestaltbare Stimmen und Flash-Lite TTS für grosse Audiomengen ein; beide wandeln Text in Sprache um. Laut Google unterstützen beide mehr als 100 Sprachen und werden für Entwickler über die Gemini-Schnittstelle und Google AI Studio bereitgestellt. Flash TTS kann mit einer 30 Sekunden langen Aufnahme und Einwilligungsprüfung Stimmen nachbilden; diese Funktion ist in Google AI Studio in der Schweiz nicht verfügbar.
Grund für die Empfehlung: Für Schweizer Nutzer unterscheiden sich die Einsatzbereiche der Modelle und der Zugang zur Stimmnachbildung.
Google DeepMind stellt Gemini 3.8 Live für skalierbare Sprachdialoge und Gemini 3.8 Live Extended Thinking für komplexe Aufgaben mit mehrstufigem Schlussfolgern vor. Gemini 3.8 Live verarbeitet visuelle Eingaben nahezu in Echtzeit und unterstützt Sprachwechsel zwischen 97 Sprachen während eines Gesprächs. Beide Modelle werden ab heute über die Gemini API und Google AI Studio bereitgestellt; für Unternehmen gibt es eine private Vorschau.
Grund für die Empfehlung: Die Angaben zu Echtzeitdialog, Werkzeugaufrufen und gestaffelter Verfügbarkeit zeigen, welche Bausteine Google DeepMind für sprachgesteuerte Arbeitsabläufe anbietet.