Aller au contenu
1 novembredim.
31 octobresam.
30 octobreven.
29 octobrejeu.
  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. 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.

28 octobremer.
  1. Hackster.io71

    Bot Reborn transforme un robot jouet à 4 dollars en robot vocal piloté par Qwen3.5-0.8B

    Le maker Asten a présenté Bot Reborn, un projet open source qui transforme un robot jouet Silverlit Maze Breaker à environ 4 dollars en robot contrôlé par la voix. Le système contourne le contrôleur d'origine en soudant quatre fils vers un FT232H, un smartphone Android fixé au robot servant d'écran, de microphone et de haut-parleur via WebUSB, tandis qu'un serveur Node.js coordonne la reconnaissance vocale et les commandes moteur. Pour éviter la latence d'un grand modèle, Asten a fine-tuné Qwen3.5-0.8B sur 490 exemples pendant environ 30 minutes sur un GPU gratuit de Google Colab, avec une précision de 86,6 % sur 164 exemples de test et une classification en environ 200 ms sur un Mac mini M4, les commandes n'étant exécutées qu'au-delà de 80 % de confiance. Le code source, le jeu de données et le modèle fine-tuné sont publics.

    Motif de la recommandation :Le projet montre comment un petit modèle fine-tuné classe les commandes vocales en environ 200 ms, une méthode réutilisable pour réduire la latence d'un agent vocal.

25 octobredim.
24 octobresam.
23 octobreven.
  1. AWS Machine Learning Blog58

    Comment diffuser de la voix à faible latence depuis des agents IA avec Kokoro TTS sur Amazon SageMaker AI

    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.

22 octobrejeu.
21 octobremer.
20 octobremar.