KI News: Kurz und klar.

Inworld AI hat die neueste Version seiner Text‑zu‑Speech‑Technologie, TTS‑1.5, vorgestellt. Die Software baut auf der erfolgreichen TTS‑1‑Familie auf und richtet sich gezielt an Echtzeit‑Sprachagenten, die gleichzeitig niedrige Latenz, hohe Klangqualität und kosteneffiziente Verarbeitung erfordern.

In Großbritannien setzte der Wasserversorger Severn Trent ein Text‑zu‑Speech-System ein, um automatisierte Anrufe an seine Kunden zu tätigen. Ziel war es, über Wasserprobleme und Service‑Updates zu informieren.

Ein neuer, multimodaler Chatbot namens Talk2Data nutzt große Sprachmodelle (LLMs), um die Analyse von Tabellen in einer interaktiven, kontextsensiblen Unterhaltung zu ermöglichen. Nutzer können Daten per Sprache oder Text abfragen und erhalten Antworten in Form von Diagrammen, Tabellen, Statistiken oder gesprochenen Erklärungen.

Ein neues KI-System kann komplette Comic-Bände in authentische, emotionsbasierte Sprachaufnahmen verwandeln. Dabei werden die Figuren, ihr Dialog und ihre Stimmung exakt erkannt und in passende Stimmen umgesetzt.

Für die Ausbildung von Text‑zu‑Speech‑Modellen ist ein umfangreiches und vielfältiges Datenset unerlässlich. Traditionelle Quellen stoßen jedoch an Grenzen: Domain‑spezifische Inhalte sind selten, Lizenzfragen erschweren die Nutzung und die Skalierbarkeit bleibt begrenzt. Auch große Sprachmodelle liefern häufig wiederholende Texte, die nicht die nötige Variation aufweisen.

Im Oktober startet ein völlig neues wissenschaftliches Online‑Event: die Agents4Science Konferenz. Das ein‑tägige Format verspricht, die Grenzen traditioneller Fachkonferenzen zu sprengen.

Der neueste Beitrag auf arXiv (2508.14947v1) stellt Linear Preference Optimization (LPO) vor – ein innovatives Alignment‑Framework, das die bekannten Schwächen von Direct Preference Optimization (DPO) adressiert. DPO ist zwar beliebt, leidet aber häufig unter Over‑Fitting und Modellkollaps. LPO löst diese Probleme mit drei zentralen Neuerungen.