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 Blog58

    RIG-TARS, un robot de bureau open source basé sur ESP32-S3

    LuwuDynamics présente RIG-TARS, un robot de bureau imprimable en 3D construit autour d'un microcontrôleur ESP32-S3.

    Motif de la recommandation :Le firmware open source et la base de code partagée par quatre variantes matérielles permettent de juger de la réutilisabilité de cette plateforme robotique.

  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. Adafruit Blog55

    Hermes, un assistant vocal open source qui transforme l'ESP32 en assistant vocal

    Hermes est un assistant vocal push-to-talk open source sous licence MIT, développé par ROHITCRAFTSYT.

    Motif de la recommandation :Le projet documente le coût, la liste du matériel et le flux push-to-talk, ce qui permet de reproduire un assistant vocal ESP32 à faible coût.

  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.

  2. Adafruit Blog75

    Whistle fait tourner la reconnaissance vocale entièrement sur un ESP32-S3

    Saulo Verissimo a publié whistle-esp32 sur GitHub, une démo de reconnaissance vocale qui fonctionne entièrement sur un ESP32-S3.

    Motif de la recommandation :Une implémentation C99 indépendante du modèle Whistle sur ESP32-S3, avec les détails de quantification int8 et les chiffres de précision mesurés.

  1. Adafruit Blog70

    ESP32-P4 exécute une reconnaissance vocale hors ligne avec le projet esp32-pie-asr

    Le projet open source esp32-pie-asr de Boumedine Billal fait tourner une reconnaissance vocale anglaise en direct sur un ESP32-P4.

    Motif de la recommandation :Le projet montre qu'une reconnaissance vocale en flux peut tourner sur un ESP32-P4 sans cloud, avec des chiffres de latence et de précision à l'appui.

  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. Adafruit Blog63

    Ivy AI, un assistant vocal open source exécuté entièrement sur ESP32-S3

    Ivy AI, un assistant vocal d'Anankush Pandit, exécute la reconnaissance vocale, l'inférence du modèle de langage et la synthèse vocale directement sur un ESP32-S3. Le firmware.

    Motif de la recommandation :Un assistant vocal complet tourne sur un ESP32-S3 avec un modèle de 19,7 millions de paramètres quantifié en quatre bits, ce qui éclaire les compromis mémoire et vitesse des déploiements embarqués.

  1. Google DeepMind74

    Google DeepMind lance Gemini 3.8 Live avec Live Avatar

    Google DeepMind lance Gemini 3.8 Live with Live Avatar.

    Motif de la recommandation :L'original détaille les capacités visuelles temps réel, l'exécution asynchrone d'outils et la prise en charge de 97 langues, ce qui aide à évaluer l'usage en entreprise.

  1. Google DeepMind78

    Google DeepMind lance Gemini 3.8 Flash TTS et Flash-Lite TTS

    Google DeepMind annonce Gemini 3.8 Flash TTS et Gemini 3.8 Flash-Lite TTS, deux modèles de synthèse vocale générative disponibles dans Google AI Studio.

    Motif de la recommandation :Google DeepMind détaille les capacités vocales et les garde-fous des deux modèles TTS, utile pour évaluer les usages en doublage et agents vocaux.

  1. Google DeepMind88

    Google DeepMind lance Gemini 3.8 Live et 3.8 Live Extended Thinking

    Google DeepMind lance Gemini 3.8 Live et Gemini 3.8 Live Extended Thinking.

    Motif de la recommandation :Les deux modèles de dialogue en temps réel de Google DeepMind sont présentés avec leurs scores sur plusieurs benchmarks vocaux et agentiques, ce qui permet de situer leurs capacités et leur positionnement prix.

  1. Google DeepMind76

    Google DeepMind lance Gemini 3.5 Transcribe, son modèle de transcription vocale

    Google DeepMind présente Gemini 3.5 Transcribe, son modèle de synthèse vocale le plus précis.

    Motif de la recommandation :Le modèle de transcription vocale de Google expose les taux d'erreur, la latence et les API, ce qui permet de juger son intégration dans les flux vocaux existants.