Aller au contenu

Orientations techniques

Voix et audio Dernières actualités

Les avancées de la voix et de l'audio : modèles et produits de synthèse vocale, de dialogue en temps réel, de génération musicale et de compréhension audio.

63 sélections30 derniers jours 16 entréesTotal : 183 entrées

mise à jour

Voix et audio: sa sélection

Aujourd'hui18 novembremer.1–20 entrées
17 novembremar.
7 novembresam.
  1. Adafruit Blog56

    Tesla arrêtera la production du Cybertruck à la mi-2027 pour fabriquer des Cybercab

    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.

5 novembrejeu.
  1. Hugging Face Blog78

    Phonon TTS : Gradium détaille son modèle vocal embarqué et ses résultats sur le leaderboard

    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.

3 novembremar.
  1. Embedded.com50

    ABR lance un SDK d'IA vocale pour les processeurs Alif

    Applied Brain Research (ABR) annonce la disponibilité générale de son SDK d'IA vocale pour Zephyr RTOS sur la famille de processeurs edge AI Alif Semiconductor Ensemble. Le logiciel fait tourner la reconnaissance vocale en flux et la synthèse vocale entièrement sur l'appareil, sans connexion cloud, pour des applications embarquées basse consommation, y compris sur batterie ou isolées du réseau. Le SDK combine Niagara ASR, qui convertit en continu la parole en texte avec une latence faible et un vocabulaire complet, et Nith TTS pour une synthèse vocale fluide en flux. Sur le processeur Alif Ensemble E8, Niagara ASR atteint une latence moyenne de 133 ms entre le premier audio et le premier token, pour une consommation active de seulement 15 mW au-dessus de la consommation de base du processeur. Le SDK est disponible dès maintenant avec une licence d'évaluation gratuite via le portail développeur d'ABR, et une démonstration en direct sur Ensemble E8 est prévue à electronica 2026, du 10 au 13 novembre, sur le stand Alif Semiconductor C5.170.

    Motif de la recommandation :Le SDK réunit ASR et TTS en local sur des microcontrôleurs, avec une latence et une consommation chiffrées sur l'Ensemble E8.

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.

21 octobremer.
13 octobremar.
  1. Adafruit Blog63

    Ivy AI, un assistant vocal open source exécuté entièrement sur ESP32-S3

    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.

8 octobrejeu.
29 septembremar.
25 septembreven.