Muse Spark 1.3 上线 Inworld Realtime Router
Inworld AI 宣布 Meta 的推理与编码模型 Muse Spark 1.3 已在 Inworld Realtime Router 上线,采用闭源权重,支持 1M token 上下文,定价为每 1M token 输入 1.25 美元、输出 4.25 美元。据其披露,在 Meta 内部编码测试中,该版本比 Spark 1.2 少用约 25% 的 token。
Inworld AI 宣布 Meta 的推理与编码模型 Muse Spark 1.3 已在 Inworld Realtime Router 上线,采用闭源权重,支持 1M token 上下文,定价为每 1M token 输入 1.25 美元、输出 4.25 美元。据其披露,在 Meta 内部编码测试中,该版本比 Spark 1.2 少用约 25% 的 token。
这是我们在语音到语音体验工作上的重要一步,它让语音理解、推理与富有表现力的语音生成更加紧密地结合,而我们才刚刚开始。 完整文章谈我们为何走到一起、今天你能获得什么,以及下一步计划:https://tinyurl.com/inworldultravox
免费两周!Hy Image3.5 预览版已在 OnSolo 上线。短剧角色设定表。全动态视频游戏资产。关键帧。角色在每一集中都能保持一致。编辑是精修,而非重来。
Inworld AI 发布新一代实时对话语音模型 Realtime TTS-2,已在 Inworld API 和 Inworld Realtime API 全面开放。
推荐理由:原文给出多轮音频上下文、自然语言语音指令和低于 200ms 的首音频延迟,可供判断实时语音对话能否接入自己的项目。
Inworld 宣布对整条语音栈降价,多数开发者在文本转语音、语音识别、LLM 和算力各层降幅达一半以上,新价格已面向所有开发者生效。Realtime TTS-2 降至约 $10/1M 字符,语音识别降至约 $0.10/小时,Router 可接入 100+ 模型且第三方模型不加价。
推荐理由:Inworld 把语音栈各层价格下调并对 TTS、语音识别和 LLM 给出阶梯单价,可用来估算消费级应用的推理成本。
Inworld 联手 Stream 搭出参考实现 Crashout Buddy,组合最新语音模型 Realtime TTS-2 与 Stream 开源的 Vision Agents 框架,可实时看表情、听语音并调整表达。
推荐理由:文中给出了把视觉信号与情绪上下文转成语音表达指令的做法,可据此判断这条实时语音链路能否接进自己的项目。