OpenAI fait progresser la provenance des contenus avec Content Credentials, SynthID et un outil de vérification
OpenAI annonce des avancées sur la provenance des contenus générés par IA, en s'appuyant sur Content Credentials.
OpenAI annonce des avancées sur la provenance des contenus générés par IA, en s'appuyant sur Content Credentials.
Google DeepMind annonce Gemini Omni, une nouvelle famille de modèles capable de créer du contenu à partir de n'importe quelle entrée.
Motif de la recommandation :Google DeepMind présente Gemini Omni Flash, un modèle multimodal capable de générer et d'éditer des vidéos à partir de plusieurs entrées, avec un déploiement immédiat sur plusieurs produits.
Google Photos intègre Auto frame, une fonctionnalité qui recompose une photo après la prise de vue en modifiant la position et l'orientation de la caméra virtuelle. La méthode combine estimation 3D de la scène et du point map, rendu classique, puis inpainting par un modèle de diffusion latent entraîné sur des paires d'images à paramètres de caméra connus. Elle détecte aussi la position et l'orientation 3D des visages pour choisir le cadrage idéal et corriger la distorsion des selfies grand-angle, la version recomposée apparaissant comme deuxième option dans les candidats Auto frame.
Motif de la recommandation :L'article détaille une méthode en deux étapes qui reconstruit la scène en 3D puis génère les zones manquantes, utile pour comprendre comment l'édition d'image assistée par IA dépasse le simple recadrage.
OpenAI a lancé ChatGPT Images 2.0, avec un rendu de texte, un support multilingue et un raisonnement visuel améliorés. Le texte source renvoie également aux nouveautés d'Images 2.5.
OpenAI annonce une mise à jour de l'application Codex pour macOS et Windows, qui ajoute l'utilisation de l'ordinateur.
Motif de la recommandation :L'original énumère les nouvelles capacités de Codex sur macOS et Windows, ce qui permet de juger comment elles s'intègrent aux flux de travail des développeurs.
ChatGPT permet de créer et d'affiner des images à partir de prompts clairs, en itérant sur les designs pour générer des visuels de haute qualité en quelques minutes.
Google DeepMind présente Lyria 3 Pro, une version avancée de son modèle de génération musicale capable de créer des morceaux allant jusqu'à 3 minutes avec une meilleure compréhension de la composition, permettant de demander des intros, couplets, refrains et ponts. Le modèle arrive en aperçu public sur Vertex AI et rejoint Google AI Studio, l'API Gemini, Google Vids, l'application Gemini et ProducerAI, avec un déploiement auprès des clients Workspace et des abonnés payants. Toutes les sorties sont marquées par SynthID et le modèle ne reproduit pas les artistes nommés dans les prompts.
Motif de la recommandation :Lyria 3 Pro allonge la génération à 3 minutes avec une conscience structurelle, et son intégration à Vertex AI, AI Studio, Vids et Gemini éclaire les usages professionnels.
Hugging Face présente Modular Diffusers, une nouvelle façon de construire des pipelines de diffusion en composant des blocs réutilisables.
Motif de la recommandation :L'article détaille la composition par blocs des pipelines de diffusion et l'intégration avec Mellon, ce qui permet de juger de la flexibilité offerte pour construire des workflows personnalisés.
Photoroom publie le troisième volet de sa série PRX, consacré à un speedrun d'entraînement d'un modèle text-to-image en 24 heures sur 32 H200.
Motif de la recommandation :L'article détaille la recette complète d'un entraînement text-to-image en 24h sur 32 H200 pour environ 1500 dollars, avec code open source.
Google DeepMind met en beta Lyria 3 dans l'application Gemini, un modèle de génération musicale qui produit des pistes de 30 secondes à partir d'un texte ou d'une photo.
Motif de la recommandation :Lyria 3 est déployé dans l'application Gemini en beta avec génération de pistes de 30 secondes à partir de texte ou d'images, ce qui permet de situer les capacités musicales grand public de Google.
Hugging Face publie le deuxième volet de sa série sur l'entraînement de modèles texte-image efficaces.
Google DeepMind ouvre l'accès à Project Genie, un prototype de recherche expérimental réservé aux abonnés Google AI Ultra aux États-Unis (18 ans et plus).
Motif de la recommandation :Le prototype détaille trois capacités concrètes et les limites connues du modèle Genie 3, utile pour situer l'état réel des world models.
OpenAI a lancé ChatGPT Images ainsi que GPT-Image-1.5 dans l'API, une version plus rapide de l'expérience de génération d'images. Le texte mentionne également ChatGPT Images 2.5.
Hugging Face Blog annonce que Diffusers accueille FLUX-2. Le contenu détaillé de cette publication n'est pas disponible dans les matériaux fournis.
Google DeepMind ajoute à l'application Gemini la possibilité de vérifier si une image a été générée ou modifiée par Google AI.
Motif de la recommandation :L'original détaille le fonctionnement de la vérification SynthID dans Gemini et l'extension à venir aux formats vidéo et audio.
Google DeepMind publie Nano Banana Pro (Gemini 3 Pro Image), un modèle de génération et d'édition d'images construit sur Gemini 3 Pro.
Motif de la recommandation :L'original détaille les capacités de génération et d'édition d'images, les résolutions et les intégrations, ce qui aide le lecteur à évaluer les scénarios de production concernés.
Google DeepMind présente Nano Banana Pro (Gemini 3 Pro Image), un nouveau modèle de génération et d'édition d'images construit sur Gemini 3 Pro.
Motif de la recommandation :Présentation des capacités de Nano Banana Pro et de sa disponibilité dans les produits Google, utile pour situer les usages de génération et d'édition d'images.
Mistral annonce une série de nouvelles fonctionnalités pour son assistant Le Chat.
Motif de la recommandation :Mistral détaille les nouvelles capacités de Le Chat, du mode Deep Research à l'édition d'images, ce qui aide à situer l'offre face aux assistants concurrents.
ChatGPT permet de créer des visuels de marque et des mockups produits à partir de prompts.
OpenAI a ajouté à ChatGPT for Business le modèle o3, la génération d'images.
ChatGPT for Business intègre o3, la génération d'images, une mémoire améliorée et l'accès aux connaissances internes de l'entreprise. Des démonstrations pratiques de ces nouveautés sont proposées.
Canva intègre l'IA pour stimuler la créativité de ses utilisateurs, selon Cameron Adams.
OpenAI publie un addendum à la fiche système de GPT-4o consacré à la génération d'images 4o. Cette approche est présentée comme nettement plus performante que la série DALL·E 3.
Motif de la recommandation :L'addendum présente la génération d'images 4o comme plus performante que DALL·E 3 et capable de produire des images photoréalistes à partir d'entrées visuelles.
Mistral AI dévoile une nouvelle version de le Chat, un assistant IA pour la vie quotidienne et le travail.
Motif de la recommandation :L'original détaille les capacités, les paliers tarifaires et les options de déploiement de le Chat, ce qui permet de situer l'offre face aux assistants existants.
Mistral AI annonce une mise à jour en beta de le Chat, son assistant gratuit, avec recherche web citée.
Motif de la recommandation :L'annonce détaille les nouvelles capacités de le Chat et un tableau comparatif avec ChatGPT, Perplexity et Claude, utile pour situer l'offre.
OpenAI a simplifié, stabilisé et mis à l'échelle les modèles de cohérence en temps continu.
Stable Diffusion 3.5 Large (8B) est disponible sur Hugging Face Hub et utilisable avec Diffusers.
Motif de la recommandation :L'article détaille les changements d'architecture de SD3.5 et fournit des exemples de code pour l'inférence, la quantification et l'entraînement LoRA.
Hugging Face publie InstantTexture, une bibliothèque Python qui convertit les maillages à couleurs par sommet (comme ceux produits par InstantMesh) en maillages texturés avec UV mapping. L'outil s'installe via `pip install git+` et convertit un fichier.obj en.glb texturé en une seule commande. Le processus repose sur xatlas pour générer les UV, un remplissage par interpolation barycentrique dans un buffer de texture (1024 px, upscale_factor 2), puis inpainting, filtre médian, flou gaussien et sous-échantillonnage LANCZOS pour combler les trous.
Mistral AI annonce un palier gratuit sur la Plateforme.
Motif de la recommandation :L'annonce détaille les nouveaux tarifs par modèle et le palier gratuit de la Plateforme, ce qui permet d'évaluer le coût d'usage des API Mistral.
L'IA peut enrichir les vies par la beauté et la créativité, et son potentiel artistique s'illustre dans « Sleeping Beauties.
Hugging Face présente comment quantifier les pipelines de diffusion basés sur Transformer avec les utilitaires Quanto de la bibliothèque Diffusers.
Motif de la recommandation :L'article détaille les gains de mémoire mesurés sur trois pipelines de diffusion Transformer avec Quanto, avec des tableaux de latence et de qualité.
Stable Diffusion 3 Medium (2B paramètres) de Stability AI est disponible sur le Hugging Face Hub et utilisable avec Diffusers. Le modèle repose sur une architecture MMDiT avec trois encodeurs de texte (CLIP L/14, OpenCLIP bigG/14, T5-v1.1-XXL) et un autoencodeur 16 canaux, entraîné avec un objectif de rectified flow matching. L'intégration Diffusers inclut des optimisations mémoire (offloading CPU, suppression de l'encodeur T5, quantification 8 bits via bitsandbytes) permettant de réduire la consommation de 18,7 Go à 4,3 Go, ainsi que des scripts de fine-tuning DreamBooth et LoRA.
Motif de la recommandation :Le billet détaille l'intégration de SD3 Medium dans Diffusers, avec optimisations mémoire et scripts de fine-tuning LoRA directement réutilisables.
Artificial Analysis lance un classement Text to Image et une arène basés sur les préférences humaines.
Canva, plateforme de communication visuelle utilisée par plus de 175 millions de personnes chaque mois.
SegMoE est un framework permettant de créer des modèles de diffusion Mixture-of-Experts à partir de modèles pré-entraînés.
Motif de la recommandation :SegMoE permet de créer des modèles de diffusion Mixture-of-Experts à partir de modèles pré-entraînés, avec un package et une intégration diffusers directement réutilisables.
Hugging Face publie un tutoriel pas à pas pour convertir un workflow ComfyUI en application Gradio et la déployer gratuitement sur Hugging Face Spaces via ZeroGPU. Le processus passe par l'extension ComfyUI-to-Python-Extension pour exporter le workflow en script Python, puis par la création d'une interface Gradio exposant prompt, image de structure, image de style et forces associées. Les modèles sont téléchargés depuis le Hub via hf_hub_download et préchargés hors de la fonction décorée par @spaces.GPU pour tirer parti du serverless. L'auteur indique qu'une automatisation complète du processus est prévue début 2025.
Motif de la recommandation :Un guide pas à pas pour transformer un workflow ComfyUI en application Gradio et l'héberger gratuitement sur ZeroGPU.
Hugging Face a publié aMUSEd, un modèle de génération d'images texte-image efficace non-diffusion.
Motif de la recommandation :aMUSEd adopte une méthode non-diffusion MIM, avec un poids d'environ 800M et une inférence rapide, et fournit un code d'entraînement et de fine-tuning, ce qui permet de comprendre la voie de génération d'images sans diffusion.
Hugging Face publie un guide communautaire sur les pratiques SOTA de fine-tuning Dreambooth LoRA pour SDXL.
Motif de la recommandation :Le guide détaille les techniques SOTA de fine-tuning LoRA pour SDXL et fournit un script diffusers directement réutilisable.
Hugging Face présente les LoRA Latent Consistency (LCM).
Motif de la recommandation :L'article détaille une méthode LoRA pour accélérer SDXL et SD 1.5 en 4 étapes, avec code, benchmarks et scripts d'entraînement directement réutilisables.
OpenAI annonce au DevDay GPT-4 Turbo avec une fenêtre de contexte de 128K et des prix réduits, la nouvelle Assistants API, GPT-4 Turbo with Vision et l'API DALL·E 3, entre autres.
Motif de la recommandation :Récapitulatif des nouveautés annoncées au DevDay, utile pour situer les changements de modèles et d'API destinés aux développeurs.