Hedra révolutionne le domaine des avatars numériques IA avec le lancement de Character-3, un nouveau modèle capable d'inférence conjointe sur des données images, texte et audio, et de Hedra Studio, une plateforme innovante pour créer et interagir avec ces avatars.

ByteDance, la société mère de Douyin (TikTok), a lancé une nouvelle stratégie axée sur l’intelligence artificielle (IA) avec l’intégration de Doubao AI, ouvrant la voie à un écosystème de super IA. Cette intégration vise à améliorer les fonctionnalités et les performances de Douyin et des autres produits de ByteDance.

Dans le domaine en pleine expansion des podcasts, la plateforme Podcastle a récemment annoncé le lancement de son nouveau modèle de synthèse vocale par IA, Asyncflow v1.0. Ce nouveau modèle offre aux utilisateurs plus de 450 voix IA différentes et ouvre une API aux développeurs pour intégrer facilement cette fonctionnalité de conversion texte-parole dans leurs propres applications. Arto Yeritsyan, fondateur de Podcastle, a déclaré que l'entreprise souhaitait depuis longtemps développer un texte...

La société Xiaomi a annoncé que ses derniers écouteurs TWS phares, les Xiaomi Buds 5 Pro, seront officiellement lancés le 27 février. Ces écouteurs ne représentent pas seulement les dernières avancées de Xiaomi dans le domaine de l’audio sans fil, mais ils sont également salués comme l’un des meilleurs écouteurs en termes de qualité sonore pour moins de 4000 yuans grâce à leur qualité sonore exceptionnelle et à leur polyvalence.

Selon TechCrunch, la société d'IA vocale ElevenLabs permet désormais aux auteurs de publier des livres audio générés par IA sur son application de lecteur, après avoir collaboré avec Spotify pour lancer des livres audio narrés par IA. ElevenLabs, qui a levé 180 millions de dollars le mois dernier, a commencé à inviter des auteurs à tester son programme de publication l'année dernière, et celui-ci est désormais ouvert à tous. La société vise à fournir des outils de création de livres audio abordables et faciles à utiliser afin de réduire les coûts de production et de concurrencer Audible.

Récemment, une expérience culinaire menée par une intelligence artificielle (IA) a connu un succès inattendu sur les réseaux sociaux, suscitant de nombreux débats. Tout a commencé lorsque le célèbre blogueur "Los Angeles Yingzheng W" a osé utiliser le modèle DeepSeek pour créer des "plats IA jamais vus auparavant", partageant le processus de création sur la plateforme de vidéos courtes Douyin. La vidéo est rapidement devenue virale, suscitant de nombreuses réactions et discussions. Bien que le blogueur ait fait de son mieux pour suivre les instructions quelque peu "abstraites" du modèle IA, le résultat final semble ne pas correspondre parfaitement...

Jeudi, Spotify a annoncé un partenariat avec ElevenLabs pour intégrer des livres audio narrés par la technologie vocale IA de la société. En tant que l'un des fournisseurs d'audio IA les plus reconnus, ce nouveau partenariat devrait augmenter considérablement le nombre de livres audio narrés par IA sur la plateforme. Selon la nouvelle procédure, les auteurs doivent d'abord télécharger des packs de fichiers audio auprès d'ElevenLabs, puis accéder au service d'édition de livres audio de Spotify, Findaway Voices.

Sharge, un fournisseur spécialisé dans la recharge sans fil, a récolté 1,53 million de dollars en seulement cinq jours sur Kickstarter pour ses nouvelles lunettes intelligentes Loomos AI. Ce chiffre dépasse largement son objectif initial de 5 000 dollars, témoignant d'un vif intérêt du marché pour le produit. Les lunettes Loomos AI sont équipées d'une batterie de 450 mAh offrant une autonomie de pointe de 40 heures. L'appareil intègre également un capteur Sony 16MP

Le 20 janvier, SenseTime a annoncé que sa version interactive du "grand modèle fusionné de jour en jour" (SenseNova-5o) offrait officiellement un service de dialogue audio et vidéo en temps réel aux utilisateurs, et qu'il était gratuit pour une durée limitée. Le lancement de cette version interactive marque une nouvelle avancée importante de SenseTime dans le domaine de l'intelligence artificielle. Son objectif est de promouvoir une communication plus naturelle et fluide entre l'IA et les humains grâce à de puissantes capacités d'interaction en temps réel, de reconnaissance visuelle, de mémorisation, de réflexion et de raisonnement complexe.

Après le lancement de la fonctionnalité de clonage vocal AI de la version internationale de Hailuo AI fin 2024, Hailuo AI a récemment lancé un nouveau modèle vocal, le T2A-01-HD. Ce nouveau modèle vocal prend également en charge le clonage vocal et permet de générer des voix riches en émotions. Selon les informations officielles, le T2A-01-HD améliore la qualité audio par rapport aux modèles précédents, avec une précision de clonage exceptionnelle. Cependant, le T2A-01-HD n'est pas encore open source ; les utilisateurs peuvent l'utiliser gratuitement en ligne pour une durée limitée. Accédez à Hailuo AI

Google a récemment annoncé que son application de prise de notes, NotebookLM, lance une nouvelle fonctionnalité : les utilisateurs peuvent interagir avec un animateur de podcast IA. Cette fonctionnalité étend la fonction d'aperçu audio, permettant aux utilisateurs de poser des questions, d'approfondir les discussions et d'obtenir des réponses personnalisées lors de leurs interactions avec l'IA. Initialement, la fonction d'aperçu audio de NotebookLM permettait aux utilisateurs de télécharger des documents (tels que des supports de cours ou des résumés juridiques), puis un animateur virtuel IA générait un aperçu du podcast. Le nouveau mode interactif permet aux utilisateurs d'interagir avec l'animateur.

Dans une récente publication sur les réseaux sociaux, Sam Altman, fondateur et PDG d'OpenAI, a révélé que l'utilisation de ChatGPT Pro, l'abonnement premium, dépassait de loin les attentes de la société. Malgré un prix mensuel de 200 dollars (environ 1470 yuans), le service reste déficitaire. Altman a déclaré que le prix initialement fixé devait générer des bénéfices, mais que la réalité était différente. Lancé le 5 décembre 2024, ChatGPT Pro a suscité...

ByteDance a récemment publié LatentSync, un nouveau framework de synchronisation labiale visant à obtenir une synchronisation plus précise des lèvres grâce à un modèle de diffusion latent conditionnel à l'audio. Ce framework, basé sur Stable Diffusion, a été optimisé pour la cohérence temporelle. Contrairement aux méthodes précédentes basées sur la diffusion dans l'espace pixel ou la génération en deux étapes, LatentSync utilise une approche de bout en bout, sans représentation intermédiaire du mouvement, permettant de modéliser directement la relation complexe entre l'audio et la vidéo. Dans LatentSync,

Dans le domaine de l'intelligence artificielle, la génération audio à partir de texte est un sujet de recherche de plus en plus populaire. Récemment, des chercheurs ont présenté un nouveau modèle appelé TANGOFLUX, qui se distingue par ses performances et son efficacité. TANGOFLUX est un modèle efficace de génération audio à partir de texte, doté de 515 millions de paramètres, capable de générer des fichiers audio de 44,1 kHz d'une durée maximale de 30 secondes en seulement 3,7 secondes. Cette vitesse le rend particulièrement performant sur une seule A40 GPU. TANGOFLUX est principalement...

Le groupe Douyin a récemment publié son rapport 2024 sur la modération des diffusions en direct, présentant de manière exhaustive la philosophie, les méthodes et les résultats de la plateforme en matière de gouvernance des diffusions en direct. Au cours de l'année écoulée, Douyin s'est engagé à construire un environnement de diffusion en direct en ligne sûr et fiable, exempt de contenus illicites, en améliorant les mécanismes de gestion des diffuseurs, en renforçant les technologies d'identification des contenus, en assurant une gouvernance conjointe en ligne et hors ligne et en protégeant les groupes de population vulnérables, ce qui a permis d'obtenir des résultats significatifs.

Adobe Research, en collaboration avec l'université Northwestern, a récemment développé Sketch2Sound, un système d'intelligence artificielle révolutionnant le travail des concepteurs sonores. Sketch2Sound permet aux utilisateurs de créer des effets sonores et des ambiances professionnelles en humant, imitant des sons ou en utilisant de simples descriptions textuelles. Le système analyse trois éléments clés de l'entrée vocale de l'utilisateur : le volume, le timbre (déterminant la clarté ou l'obscurité du son) et la hauteur. Il associe ensuite ces caractéristiques aux données ...