Anthropic et Hume AI ont récemment lancé une technologie d'interaction vocale innovante, visant à réaliser une interaction homme-machine plus naturelle et émotionnellement intelligente. Cette technologie combine les capacités de traitement du langage naturel de Claude et les fonctionnalités de reconnaissance émotionnelle d'EVI2, offrant de nouvelles perspectives pour les modes d'interaction avec les assistants numériques. La technologie clé, EVI2, est capable d'identifier les nuances émotionnelles dans la voix de l'utilisateur et d'adapter l'interaction en conséquence. Comparé aux assistants vocaux traditionnels, ce système améliore considérablement la fluidité et la personnalisation de l'interaction.

Google a officiellement lancé la nouvelle application Gemini sur l'App Store d'Apple, et introduit la fonction d'interaction vocale Gemini Live, marquant ainsi une avancée majeure dans le domaine des assistants vocaux intelligents. Simultanément, l'annonce d'Apple concernant l'intégration de ChatGPT d'OpenAI dans Siri souligne l'intensification de la compétition dans ce secteur. Version améliorée de Bard, lancé par Google en 2023, Gemini est...

Le modèle linguistique full-duplex LSLM, développé conjointement par l'Université Jiao Tong de Shanghai et ByteDance, révolutionne le mode d'interaction des assistants IA traditionnels en permettant une interaction en temps réel, « écoute et parle simultanément ». L'avantage principal du LSLM réside dans sa capacité à traiter simultanément l'entrée et la génération de la parole, améliorant considérablement la fluidité et le naturel de la conversation. Grâce à la combinaison de l'apprentissage autosupervisé en continu et d'un décodeur basé sur les jetons, ce modèle prend en charge l'interaction vocale en temps réel, même dans des environnements bruyants. La stratégie d'intégration intermédiaire du LSLM permet d'obtenir un équilibre optimal entre la génération vocale et l'interaction en temps réel, démontrant une forte résistance au bruit.

Alibaba Cloud lance "Qwen-Audio", un grand modèle linguistique audio révolutionnant l'expérience d'interaction vocale. Le modèle peut recevoir plusieurs entrées audio, effectuer une analyse audio et répondre directement aux instructions vocales. Il offre aux utilisateurs un mode d'interaction audio unique, sans saisie de texte, permettant une communication directe par la voix, avec analyse audio et transcription. Il possède une capacité de compréhension intelligente, capable de combiner et d'analyser des instructions multi-sources, telles que la distinction entre une seule voix, une conversation multicanal et des commandes, et d'aider à l'interprétation et à la réponse audio. Ses performances dépassent celles des modèles précédents, notamment en ce qui concerne les tâches basées sur l'audio.

Volkswagen a annoncé l'intégration à grande échelle de ChatGPT dans plusieurs de ses modèles, en combinaison avec l'assistant vocal IDA, marquant ainsi l'entrée officielle du secteur automobile dans l'ère de l'IA générative. Les utilisateurs pourront interagir naturellement avec leur véhicule pour des fonctions telles que les informations sur le trafic, la navigation ou le réglage des équipements. Les modèles intégrant ChatGPT incluent les ID.7, ID.5, ID.4, ID.3, le nouveau Tiguan, la nouvelle Passat et la nouvelle Golf. La technologie de l'IA générative rend l'interaction vocale plus intelligente et conviviale. Volkswagen a...

'📱 L'impasse des enceintes intelligentes : Cet article analyse les raisons pour lesquelles les enceintes intelligentes sont perçues comme des gadgets, notamment l'expérience utilisateur médiocre et les scénarios d'utilisation limités. 💡 L'application des grands modèles linguistiques : L'article souligne que les grands modèles linguistiques offrent de nouvelles opportunités de développement aux enceintes intelligentes, améliorant considérablement leur expérience utilisateur. 🤝 La concurrence : L'article évoque la situation concurrentielle sur le marché des enceintes intelligentes, avec des acteurs comme Baidu, Alibaba et Xiaomi.'

OpenAI a lancé les fonctionnalités vocales et image pour ChatGPT, permettant les conversations vocales et la reconnaissance d'images. Les nouvelles fonctionnalités sont d'abord déployées pour les utilisateurs de ChatGPT Plus et de la version Entreprise. La partie vocale est basée sur le modèle Whisper. Ce ChatGPT multimodale, appelé GPT-4V, a été entraîné en même temps que GPT-4 ; des considérations de sécurité ont retardé sa publication.