L'IA peut-elle contribuer à un avenir plus sain ?
Dans l'épisode de The Shape of Things to Come, Doug Burger (Microsoft Research) s'entretient avec Ava Amini.
Dans l'épisode de The Shape of Things to Come, Doug Burger (Microsoft Research) s'entretient avec Ava Amini.
MakoTalk, développée par airuyoshii-ai, est une bibliothèque de synthèse vocale japonaise qui fonctionne sur un ESP32-S3.
Motif de la recommandation :Présente une bibliothèque de synthèse vocale japonaise hors ligne sur ESP32-S3, avec dictionnaire vocal et limites de licence clairement indiquées.
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.
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.
AssemblyAI exécute son inférence speech-to-text à grande échelle sur Amazon ECS en mixant instances Amazon EC2 Spot et On-Demand sur plusieurs familles de GPU NVIDIA (g4dn.
EDISON SCIENCE CORNER a construit un assistant de bureau vocal à 4 $ autour du microcontrôleur ESP32-S3.
Amazon SageMaker AI introduit la facturation à l'usage pour l'inférence en streaming bidirectionnel.
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.
Cartesia, partenaire AWS spécialisé dans la voix en temps réel.
Seeed Studio met en évidence le coût total de possession des enregistreurs vocaux IA.
Julian Imhof a transformé un Echo Dot 3 de 2018 en satellite vocal local Home Assistant.
Motif de la recommandation :Le tutoriel détaille le root d'un Echo Dot 3 pour en faire un satellite vocal local Home Assistant, avec les modèles compatibles et les limites de performance.
Un ingénieur NVIDIA explique comment il a construit MonsterHouse, une projection interactive de Halloween qui écoute les visiteurs.
Ramazan Eren Arslan a transformé un téléphone à cadran Deutsche Bundespost FeTAp 791 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.
IBM publie Granite Switch 4.1.1, une version corrective entièrement rétrocompatible avec Granite Switch 4.1.
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.
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.
NVIDIA annonce de nouvelles mises à jour pour ses laptops RTX Spark, dont le modèle vocal open weight Nemotron 3.5 Transcribe.
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.
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.
Anima utilise GPT-6 et GPT-Live pour réduire de 75 % les temps d'attente téléphonique dans les cliniques. L'entreprise étend ainsi ce que les équipes soignantes peuvent accomplir avec les modèles OpenAI, leur donnant plus de capacité pour répondre aux patients.
AWS explique comment réduire la latence vocale d'un agent IA en envoyant chaque phrase au modèle TTS Kokoro-82M hébergé sur un point de terminaison bidirectionnel Amazon SageMaker AI dès sa génération, plutôt qu'après la réponse complète. Le tutoriel couvre la gestion des trames WebSocket binaires, le maintien de la session entre messages, le découpage incrémental des phrases et le choix entre audio base64 dans des événements SSE et multiplexage binaire et JSON. En isolant le transport TTS, l'envoi de la seule première phrase fait passer le délai moyen jusqu'au premier octet audio de 329,3 ms à 156,7 ms, et le mode bidi est 2,4 à 3,5 fois plus rapide que le mode batch sur un agent déployé.
Amazon Polly met à niveau son moteur génératif, avec 14 nouvelles voix sur 9 locales.
L'article explique comment déployer Kokoro-82M, un modèle TTS de 82 millions de paramètres.
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.
Higgsfield fait passer la vidéo IA de 1 minute à plus de 10 minutes grâce à GPT-6 Astra, avec des visuels précis via GPT-Image-2.5 et une voie vers la réalisation vocale avec GPT-Live.
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.
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.
AWS montre comment ajouter un concierge vocal à une application aérienne en s'appuyant sur Amazon Bedrock AgentCore.
Un assistant vocal IA fonctionnant entièrement sur ESP32, développé par jayesh_nawani.
Hugging Face a lancé l'Open TTS Leaderboard, un classement qui évalue les modèles TTS open source et multilingues via des métriques objectives.
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.
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.
Ringg résout jusqu'à 65 % des appels clients avec des agents IA propulsés par GPT-5.6, déployés sur la voix, le chat, WhatsApp et le web. Le coût est réduit de 90 % par rapport à GPT-4.1.
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.
OpenAI met GPT-Live-1 à disposition dans l'API, apportant des conversations vocales naturelles en full-duplex.
Motif de la recommandation :L'original présente les capacités vocales et le support téléphonique de GPT-Live-1, ce qui permet de juger des scénarios de voix en temps réel dans l'API.
Voice Arena et Hugging Face s'associent pour ajouter deux ensembles d'évaluation au classement Open ASR.
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.