Vendor-watch week 2026-w43: aanbieders & AI-voice

TL;DR

• Bland lanceert Bland Speech v3, gepositioneerd als de eerste 'Human Speech Engine', met een nadruk op geluidsrealisme en specifieke benchmarks voor audiokwaliteit.
• Het onderzoeksteam van Bland documenteert de ontwikkeling van de NVAlign-architectuur, die spraakmodellen traint om niet-verbale tags zoals lachen en zucht correct te interpreteren.
• Twilio beschrijft vier methoden om token-limitaties te beheersen in lange AI-ondersteuningsgesprekken, gericht op het optimaliseren van de contextwindow van LLM's.

Bland heeft Bland Speech v3 gelanceerd, een update die gepresenteerd wordt als de eerste 'Human Speech Engine'. Het platform legt de focus op geluidsrealisme en introduceert benchmarks om de audio-kwaliteit objectief te meten. Voor telecombeheerders die de perceptuele kwaliteit van hun spraakbots willen verhogen, biedt deze release een nieuw referentiekader voor het evalueren van synthetische stemmen. De nadruk ligt op het sluiten van de kloof tussen menselijke en synthetische spraak, wat cruciaal is voor de acceptatie van AI-agents in professionele communicatiekanalen.

Het onderzoeksteam van Bland heeft gedetailleerd uitgelegd hoe de ontwikkeling van Bland TTS v3 is verlopen. Een centraal onderdeel van deze ontwikkeling is de NVAlign-architectuur, die spraakmodellen specifiek traint om niet-verbale tags, zoals lach- en zuchttags, correct te volgen. Dit proces wordt ondersteund door luistertestresultaten die de effectiviteit van de nieuwe architectuur valideren. Door deze technische diepte te delen, toont Bland aan hoe de interne werking van de TTS-engine kan worden afgestemd op de nuance van menselijke communicatie, wat essentieel is voor realistische interacties.

Bland benadrukt de noodzaak van het bouwen van eigen voice AI-modellen door te wijzen op drie pijlers: model-eigendom, daadwerkelijke belkwaliteit en de technische bewijslast die je van een vendor kunt eisen. In de blogpost Why Bland Builds Its Own Voice AI Models wordt gesteld dat afhankelijkheid van externe modellen kan leiden tot onvoorspelbare prestaties en gebrek aan controle over de data. Voor organisaties die eigen infrastructuur beheren, is dit een argument om te investeren in gespecialiseerde modellen die specifiek voor telecomomgevingen zijn getraind, in plaats van algemene taalmodellen te gebruiken voor spraaksynthese.

Een praktische uitdaging voor voice agents is de prestatie in lawaaiige omgevingen. Bland heeft een nieuwe functie voor ruisonderdrukking gelanceerd, waardoor AI-agents effectiever presteren in fysieke omgevingen met achtergrondlawaai. Deze functie zorgt ervoor dat de gesprekskwaliteit niet wordt beïnvloed door externe geluidsbronnen. Voor VoIP-ingenieurs die agents deployen in callcenters of op de werkvloer, is dit een relevante functionaliteit voor het handhaven van de audio-integriteit in ruise omgevingen.

Retell AI heeft updates gepubliceerd voor hun platform, met als belangrijkste toevoeging de introductie van workflows en de integratie met Brex. Deze updates, zoals beschreven in hun release notes, vergroten de flexibiliteit van het platform voor het opzetten van complexe gesprekslogica.

Twilio beschrijft vier methoden om om te gaan met token-limitaties in lange AI-ondersteuningsgesprekken. Het probleem is dat lange gesprekken de contextwindow van LLM's kunnen overschrijden, wat leidt tot verlies van relevante informatie. De beschreven methoden richten zich op het beheersen van deze contextwindow, zodat de AI-agent relevante informatie uit eerdere delen van het gesprek kan onthouden. Voor developers die met LLM's werken in telecomcontexten, is dit een praktisch advies om de consistentie en kwaliteit van lange gesprekken te waarborgen.

Wat het betekent

Deze ontwikkelingen tonen dat de focus van voice AI verschuift van eenvoudige spraakherkenning naar hoogwaardige, realistische interacties die robuust zijn in lawaaiige omgevingen. Voor je infrastructuur betekent dit dat je niet alleen kijkt naar de latente tijd, maar ook naar de perceptuele kwaliteit en de manier waarop context wordt beheerd in lange sessies. Het is tijd om je vendor-eisen aan te passen om eigendom van modellen en technische bewijslast voor geluidsrealisme te vereisen.