Aller au contenu
  1. Adafruit Blog60

    Pete Warden rachète Moonshine après la fermeture de moonshine.ai

    Pete Warden annonce sur son blog la fermeture de sa startup moonshine.ai après quatre ans et 12 M$ d'investissement.

    Motif de la recommandation :Le rachat du framework vocal Moonshine après liquidation et son usage dans un mod de jeu local illustrent une voie de survie hors capital-risque.

  1. Adafruit Blog56

    Tesla arrêtera la production du Cybertruck à la mi-2027 pour fabriquer des Cybercab

    Elon Musk a annoncé sur sa plateforme sociale que la Gigafactory cessera la production du Cybertruck à la mi-2027 et que l'usine du Texas se concentrera sur les Cybercab autonomes. Il n'a pas précisé s'il s'agit d'un arrêt total ou d'un transfert de production, mais l'ingénieur en chef du projet, Wes Morrill, a écrit sur X que le Cybertruck était une plateforme de développement technologique et qu'il perdure à travers le Cybercab. Le Cybertruck, dont les ventes sont restées bien en dessous de l'objectif de 250 000 unités, a connu des retards et des rappels.

    Motif de la recommandation :Le texte rassemble l'annonce d'Elon Musk et la réaction de l'ingénieur en chef, ce qui permet de situer le changement de production du Cybertruck et ses conséquences.

  1. Hugging Face Blog78

    Phonon TTS : Gradium détaille son modèle vocal embarqué et ses résultats sur le leaderboard

    Gradium revient sur le lancement de Phonon, son modèle TTS qui tourne entièrement sur l'appareil sans serveur ni réseau. Phonon 31m est sous licence Apache 2.0 pour l'anglais.

    Motif de la recommandation :L'article détaille les deux tailles de Phonon, les licences, les performances sur le leaderboard TTS et l'intégration dans Transformers, ce qui aide à évaluer un TTS embarqué.

  1. Hugging Face Blog62

    Hugging Face présente AnySpeechRecognizer et AnyDecisionModel pour la reconnaissance vocale et la décision sur les plateformes Apple

    Hugging Face publie deux packages Swift open source, AnySpeechRecognizer et AnyDecisionModel.

    Motif de la recommandation :L'article détaille les API Swift, les moteurs interchangeables et les taux d'erreur mesurés, ce qui permet d'évaluer le choix d'un moteur local pour la reconnaissance vocale et la prise de décision.

  1. The Decoder78

    NVIDIA publie Nemotron 3.5 Transcribe, un modèle vocal open source qui réunit transcription, traduction et reconnaissance des locuteurs

    NVIDIA a publié Nemotron 3.5 Transcribe, un modèle de reconnaissance vocale open source qui traite les instructions textuelles et.

    Motif de la recommandation :Le modèle open source réunit transcription, traduction et reconnaissance des locuteurs, avec le jeu de données Granary v2 et les chiffres de référence pour évaluer l'adaptation à un domaine.

  2. Google DeepMind78

    Google DeepMind dévoile Genie 4, un modèle du monde multimodal en temps réel

    Google DeepMind annonce Genie 4, un nouveau modèle du monde qui génère nativement de l'audio.

    Motif de la recommandation :Genie 4 intègre nativement l'audio et le dialogue interactif dans la simulation en temps réel, avec un aperçu des capacités et des limites actuelles.

  1. Hugging Face Blog62

    IBM publie Granite Speech 5.0 2B et met à jour deux modèles vocaux

    IBM publie granite-speech-5.0-2b, successeur de granite-speech-4.1-2b à nombre de paramètres égal.

    Motif de la recommandation :L'article détaille les changements de capacité et les métriques des trois modèles vocaux Granite, utile pour choisir le modèle adapté à un scénario de transcription.

  2. Mistral AI82

    Mistral lance Voxtral 3, modèles vocaux et SDK d'agent vocal

    Mistral lance la famille Voxtral 3, comprenant les modèles de transcription Voxtral Small Transcribe 3 et Voxtral Mini Transcribe 3.

    Motif de la recommandation :L'original détaille les modèles vocaux, le SDK d'agent vocal et les prix, permettant de comparer le coût et la latence avec les offres existantes.

  1. Simon Willison88

    OpenAI DevDay 2026 : Dots, GPT-6.1 Sol et ChatGPT Space

    Simon Willison couvre en direct l'OpenAI DevDay 2026 à San Francisco, où OpenAI a présenté Dots.

    Motif de la recommandation :Le live blog détaille les lancements d'OpenAI DevDay 2026, des Dots à GPT-6.1 Sol, avec des observations directes sur les démos et les limites.

  1. Hugging Face Blog88

    Thinking Machines Lab publie Inkling, un LLM multimodal open source de 1T paramètres avec fenêtre de contexte de 1M

    Thinking Machines Lab a publié sur Hugging Face Inkling, un grand modèle de langage multimodal open source d'environ 1T de paramètres (975B au total.

    Motif de la recommandation :L'article détaille l'architecture MoE, les variantes de quantification et le support d'inférence jour 0, ce qui aide à évaluer les besoins matériels et les options de déploiement.

  1. OpenAI News65

    OpenAI lance de nouveaux modèles vocaux en temps réel dans l'API

    OpenAI a publié de nouveaux modèles vocaux en temps réel dans l'API, capables de raisonner.

    Motif de la recommandation :L'original présente les nouvelles capacités des modèles vocaux en temps réel dans l'API OpenAI, ce qui permet de juger de leur impact sur les applications vocales existantes.

  1. OpenAI News82

    OpenAI publie Sora 2, un modèle de génération vidéo et audio

    OpenAI publie Sora 2, un nouveau modèle de génération vidéo et audio. Selon OpenAI.

    Motif de la recommandation :L'original présente les capacités de génération vidéo et audio de Sora 2, permettant de situer les changements par rapport à la version précédente.

  1. OpenAI News78

    OpenAI publie gpt-realtime et met à jour la Realtime API

    OpenAI publie gpt-realtime, un modèle speech-to-speech plus avancé, accompagné de nouvelles capacités de la Realtime API.

    Motif de la recommandation :OpenAI publie un modèle vocal speech-to-speech plus avancé et étend la Realtime API au support MCP, à l'entrée d'images et à la téléphonie SIP.

  1. OpenAI News62

    OpenAI lance une nouvelle génération de modèles audio dans l'API

    OpenAI annonce le lancement d'une nouvelle génération de modèles audio dans l'API. Les développeurs peuvent pour la première fois demander au modèle de synthèse vocale de parler d'une manière spécifique, par exemple « parler comme un agent de service client compatissant », ce qui ouvre de nouvelles possibilités de personnalisation pour les agents vocaux.

    Motif de la recommandation :L'original indique que le modèle TTS de l'API accepte des instructions de style en langage naturel, ce qui permet aux développeurs de contrôler le ton de la voix.

  1. OpenAI News80

    OpenAI lance l'API Realtime pour des expériences vocales de bout en bout

    OpenAI annonce le lancement de l'API Realtime, permettant aux développeurs d'intégrer des expériences vocales de bout en bout dans leurs applications.

    Motif de la recommandation :L'API Realtime d'OpenAI permet aux développeurs d'intégrer des expériences vocales de bout en bout dans leurs applications.

  1. OpenAI News90

    OpenAI annonce GPT-4o

    OpenAI annonce GPT-4 Omni, son nouveau modèle phare capable de raisonner en temps réel sur l'audio, la vision et le texte.

    Motif de la recommandation :Présentation du nouveau modèle phare d'OpenAI, capable de raisonner en temps réel sur l'audio, la vision et le texte.