Aller au contenu

Orientations techniques

Multimodal Dernières actualités

Les capacités au-delà du texte : compréhension visuelle, mixte texte-image, entrées et sorties audio et vidéo — avancées des modèles et des produits.

160 sélections30 derniers jours 34 entréesTotal : 356 entrées

mise à jour

Archives de la sélection · page 5

16 avriljeu.81–100 entrées
  1. OpenAI News62

    OpenAI met à jour l'application Codex pour macOS et Windows avec utilisation de l'ordinateur, navigation intégrée et plugins

    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.

  2. Google DeepMind70

    Google DeepMind dévoile Gemini 3.1 Flash TTS avec balises audio

    Google DeepMind annonce Gemini 3.1 Flash TTS, un nouveau modèle de synthèse vocale offrant un contrôle granulaire via des balises audio en langage naturel. Le modèle atteint un score Elo de 1 211 sur le classement TTS d'Artificial Analysis, prend en charge plus de 70 langues et le dialogue multi-locuteurs natif. Il est déployé en preview pour les développeurs via l'API Gemini et Google AI Studio, pour les entreprises sur Vertex AI, et pour les utilisateurs Workspace via Google Vids. Tous les audios générés sont marqués par SynthID.

    Motif de la recommandation :Le nouveau modèle de synthèse vocale introduit des balises audio en langage naturel et un support de plus de 70 langues, avec un déploiement en preview via l'API Gemini et Vertex AI.

9 avriljeu.
3 avrilven.
2 avriljeu.
  1. Hugging Face Blog88

    Google DeepMind publie la famille Gemma 4 de modèles multimodaux ouverts sur Hugging Face

    Google DeepMind publie sur Hugging Face la famille Gemma 4, des modèles multimodaux sous licence Apache 2.0 capables de traiter texte.

    Motif de la recommandation :L'article détaille l'architecture, les tailles et les benchmarks de Gemma 4, ainsi que son intégration dans les principaux moteurs d'inférence et outils de fine-tuning.

1 avrilmer.
31 marsmar.
  1. Hugging Face Blog67

    IBM publie Granite 4.0 3B Vision, un VLM compact pour les documents d'entreprise

    IBM annonce Granite 4.0 3B Vision, un modèle vision-langage compact destiné à l'extraction d'informations dans les documents d'entreprise.

    Motif de la recommandation :Le modèle compact et son adaptateur LoRA sont décrits avec les benchmarks de tableaux, graphiques et KVP, ce qui aide à juger son intérêt pour l'extraction documentaire.

29 marsdim.
26 marsjeu.
  1. Google DeepMind80

    Google DeepMind publie Gemini 3.1 Flash Live, son modèle vocal le plus abouti

    Google DeepMind publie Gemini 3.1 Flash Live, présenté comme son modèle audio et vocal de plus haute qualité.

    Motif de la recommandation :Le modèle de voix de Google DeepMind améliore la précision et réduit la latence, avec des scores sur ComplexFuncBench Audio et Audio MultiChallenge qui permettent de situer les capacités de dialogue en temps réel.

  2. Google DeepMind73

    Google DeepMind lance Lyria 3 Pro, génération musicale jusqu'à 3 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.

24 marsmar.
17 marsmar.
  1. Hugging Face Blog67

    H Company publie Holotron-12B, un modèle multimodal computer-use à haut débit

    H Company publie Holotron-12B, un modèle multimodal computer-use post-entraîné à partir du modèle ouvert NVIDIA Nemotron-Nano-2 VL sur des données propriétaires.

    Motif de la recommandation :L'article détaille l'architecture SSM hybride et les chiffres de débit, utiles pour évaluer le déploiement d'agents computer-use à grande échelle.

  2. Mistral AI82

    Mistral AI publie Mistral Small 4, un modèle hybride unifiant raisonnement, multimodal et codage agentique

    Mistral AI annonce Mistral Small 4, le premier modèle Mistral à unifier les capacités de Magistral (raisonnement).

    Motif de la recommandation :Mistral Small 4 unifie les capacités de Magistral, Pixtral et Devstral dans un seul modèle open source, avec un paramètre reasoning_effort configurable et des gains de latence et de débit mesurés par rapport à Small 3.

4 marsmer.
  1. Google DeepMind72

    Google DeepMind lance Gemini 3.1 Flash-Lite

    Google DeepMind lance Gemini 3.1 Flash-Lite, présenté comme le modèle le plus rapide et le plus économique de la série Gemini 3.

    Motif de la recommandation :Le tarif, la vitesse et les benchmarks du modèle sont fournis, ce qui permet de juger son intérêt pour les charges à haut volume.

19 févrierjeu.
  1. Google DeepMind75

    Google déploie Lyria 3 dans l'application Gemini pour générer de la musique à partir de texte ou d'images

    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.

18 févriermer.
5 févrierjeu.
30 janvierven.
  1. Google DeepMind78

    Google DeepMind déploie Project Genie, prototype de création de mondes interactifs

    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.

16 janvierven.