Amazon lance les appareils Bee Frontier et Eclipse pour transcrire et résumer les conversations du quotidien
Amazon lance deux appareils Bee, le Frontier en forme de bracelet et l'Eclipse qui se fixe au dos du téléphone.
Amazon lance deux appareils Bee, le Frontier en forme de bracelet et l'Eclipse qui se fixe au dos du téléphone.
Square lance le Square Kiosk, une borne de commande à écran tactile de 21.
Un exercice structuré de préparation aux deepfakes permet aux équipes de sécurité d'identifier précisément où la vérification échoue.
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.
SpaceX Super Intelligence (SpaceXSI) réunit X Premium, Grok et Cursor dans une offre unique baptisée « The X Subscription ».
Apple a dévoilé HomeView, son premier écran connecté pour la maison, au prix de 299 dollars.
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 CTO de PolyAI, Shawn Wen, et le CMO d'Otter, Alex Gay, jugent que la voice AI n'a pas encore atteint son « moment ChatGPT ».
Le studio Easy Fox, derrière la démo gratuite Teach My Little Sister How To Drive sur Steam.
Natura lance Interface, une bague connectée à 99 $ qui permet de solliciter des AI agents d'une pression du doigt.
Amazon a supprimé le contrôle vocal de l'entrée jack 3,5 mm sur ses enceintes Echo via la dernière version logicielle.
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 bug d'Alexa Plus fait que certaines enceintes connectées Amazon Echo ne disent — et parfois ne chantent — plus que « lalala » en boucle pendant plusieurs minutes.
Google envisagerait d'étendre sa fonctionnalité IA « Call for Me » au-delà des appels professionnels.
Anthropic invite les utilisateurs de Claude à partager volontairement leurs conversations vocales pour entraîner et améliorer ses modèles IA.
Suno, connu pour son générateur de musique IA, ajoute une fonctionnalité Speech qui produit un texte parlé et une musique de fond assortie dans une seule piste audio. L'utilisateur saisit une idée ou un texte et décrit la voix et le style musical souhaités, puis le modèle génère la voix et le son. Le responsable produit Jack Brody indique que la fonctionnalité a été testée un mois avec un petit groupe. Suno mentionne des usages pour poèmes, méditations et histoires du soir, mais la bêta comporte encore des bugs, comme un accent britannique qui peut parfois sonner australien. Suno n'a pas précisé comment le modèle a été entraîné, alors que les générateurs de musique IA font face à des critiques sur d'éventuelles infractions de droits d'auteur et que des labels ont poursuivi Suno.
Brian Chesky estime que les agents IA ont besoin d'un véritable système d'exploitation.
Suno lance Speech, un modèle audio qui génère voix et musique en une seule piste.
SuperModerno a développé CantaStorie, un jouet de contes sans écran dont tout le pipeline IA tourne localement sur un Arduino UNO Q.
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.
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.
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.
Meta a présenté lors de Connect son agent personnel Muse comme le centre d'une stratégie matériel plus agent.
Nuvi, un robot de bureau imprimé en 3D conçu par Luca Di Lorenzo.
Simon Willison a publié Gemini 3.8 TTS Playground, une interface interactive pour tester l'API text-to-speech de Google.
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.
RoadScape AI est un concept de mémoire visuelle automobile qui enregistre en continu les images de trois caméras fixes (avant.
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.
Mistral et HUMAIN annoncent une collaboration stratégique dans l'infrastructure IA.
Hugging Face publie une recherche qui introduit trois tests pour quantifier l'optimisation aux benchmarks en reconnaissance vocale.
Motif de la recommandation :Trois sondes quantifient l'optimisation aux benchmarks en ASR et montrent que les meilleurs scores WER ne garantissent pas la fidélité au signal audio.
Google Research présente AMIE (Video), une configuration vidéo temps réel d'AMIE construite sur Gemini et Project Astra.
Motif de la recommandation :L'article détaille l'architecture multi-agents asynchrone et le protocole d'évaluation randomisé d'AMIE (Video), utile pour comprendre comment un système vocal et visuel temps réel est structuré et testé.
NVIDIA publie Magpie TTS Multilingue, un modèle à poids ouverts de 364M de paramètres couvrant 12 langues.
Motif de la recommandation :Le modèle open weights et les chiffres de latence par GPU permettent d'évaluer le coût d'un pipeline vocal auto-hébergé.
OpenAI détaille GPT-Live, un système permettant une interaction vocale continue avec l'IA grâce à un modèle vocal sans tours de parole et une architecture à faible latence. Ce modèle « turnless » vise des conversations plus rapides et plus naturelles, le tout développé en six mois.
avatarin s'appuie sur GPT-Realtime d'OpenAI pour offrir aux clients de Yamada Denki un support multilingue 24h/24 et 7j/7. En deux semaines.