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.
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.
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.
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.
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.
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.
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.
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.
Le Technology Innovation Institute (TII) d'Abu Dhabi présente Falcon-ASR, un modèle de reconnaissance vocale de 1.
Motif de la recommandation :Falcon-ASR couvre l'arabe et quatre autres langues avec les mêmes poids, et détaille les écarts de WER face aux systèmes comparés.
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.
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.
OpenAI présente GPT-Live, une nouvelle génération de modèles vocaux destinés à l'interaction naturelle entre l'humain et l'IA, désormais utilisés par ChatGPT Voice.
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.
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.
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.
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.
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.