Vorstellung des VoicePing ASR Model V0.1

Wed, 01 Jul 2026 00:00:00 +0000

Vorstellung des VoicePing ASR Model V0.1

Heute stellen wir das VoicePing ASR Model V0.1 vor – unser mehrsprachiges Speech-to-Text-Modell für die Sprachen, die in VoicePing am häufigsten vorkommen: Englisch, Japanisch, Koreanisch, Chinesisch und Vietnamesisch.

VoicePing ist rund um mehrsprachige gesprochene Kommunikation aufgebaut: Meetings, Events, Sprachübersetzung, Transkripte, Zusammenfassungen und Suche. In diesen Arbeitsabläufen ist die automatische Spracherkennung (ASR, Automatic Speech Recognition) kein isoliertes Feature. Sie ist die erste Schicht des gesamten Produkterlebnisses. Wenn das Transkript instabil ist, verliert jeder nachgelagerte Schritt an Nutzen.

Emotionaler TTS-Benchmark: Qwen3-TTS, CosyVoice, IndexTTS-2, Fish Audio und VoxCPM für Japanisch und Chinesisch

Fri, 26 Jun 2026 00:00:00 +0000

Modelle und Referenzen:

Kurzfassung

Wir haben fünf emotionale TTS-Systeme für Japanisch und Chinesisch mit sechs Ziel-Emotionen benchmarked: neutral, happy, sad, angry, fear und disgust. Die Sätze sind neutral, damit die Emotion aus dem Sprachstil kommen muss.

Der ausgewogenste Kandidat ist Qwen3-TTS CustomVoice 1.7B: niedrige CER, beste anchor hit rate, starke Natürlichkeit und der praktischste Kompromiss über Japanisch und Chinesisch.

Blog on VoicePing

Vorstellung des VoicePing ASR Model V0.1