Récemment, l'application Grok développée par xAI a lancé un mode voix en temps réel avec 10 modes différents, permettant aux utilisateurs d'interagir avec l'IA par la voix pour une expérience améliorée. Cependant, un utilisateur de X a découvert que l'application incluait également des modes "Déchaîné" et "Sensuel", suscitant un vif intérêt. Selon cet utilisateur, le mode "Déchaîné" "ne cesse de vous contredire", excellant dans les discussions provocatrices, tandis que le mode "Sensuel" "flirte dès le départ", avec des connotations romantiques ou sexuelles. L'utilisateur a conclu son message par un "Elon Musk comprend ses utilisateurs".

Récemment, un outil nommé Ready AI a suscité un vif intérêt dans le milieu du design. Ce qui rend cet outil exceptionnel, c'est que les utilisateurs n'ont qu'à saisir des instructions textuelles pour générer une interface Web professionnelle en 30 secondes. Avec Ready AI, les utilisateurs ont un contrôle accru sur l'interface utilisateur souhaitée. Contrairement aux produits similaires, Ready AI prend en charge l'aperçu en temps réel et la comparaison de versions, démontrant une efficacité étonnante lors des tests de conception sur les réseaux sociaux et les sites de commerce électronique. Ready AI propose plusieurs choix de framework, tels que HTML.

Le 16 février, le navigateur QQ a annoncé l'intégration officielle du modèle DeepSeek-R1 complet, offrant aux utilisateurs une expérience de recherche plus intelligente et plus pratique. Ce modèle DeepSeek-R1 intègre des fonctionnalités de réflexion approfondie, de recherche en ligne, de dialogue multi-tours et de consultation des historiques, permettant de fournir des réponses complètes, rapides et de haute qualité.

Alibaba a récemment publié Animate Anyone 2, sa dernière innovation technologique. Cette technologie révolutionnaire permet le remplacement précis de personnages vidéo. Comme le montrent les exemples sur le site Web du projet, les utilisateurs n'ont qu'à fournir la vidéo originale et l'image du personnage cible. Le système peut alors remplacer l'image du personnage en temps réel tout en conservant la trajectoire du mouvement de la vidéo originale. Les données expérimentales montrent que le système peut transférer complètement le mouvement de tir d'un footballeur à un personnage animé, tout en conservant les caractéristiques physiques réelles de la trajectoire du ballon. Pour répondre aux besoins complexes de la production cinématographique,...

ZyphraAI a récemment publié son dernier modèle de synthèse vocale (TTS) multilingue, **Zonos-TTS**, sous licence **Apache2.0**, entièrement open source et utilisable commercialement. Zonos-TTS prend non seulement en charge le clonage vocal en temps réel, mais a également été entraîné sur 200 000 heures de données vocales en anglais, démontrant ainsi des performances exceptionnelles. Zonos-TTS offre deux modes de déploiement : un déploiement local et un service API pratique. Pour les utilisateurs ordinaires, Zyphr...

Récemment, la société Doubao a annoncé le lancement de son nouveau grand modèle linguistique en temps réel, présenté comme ayant réalisé une "avance fulgurante" dans les conversations en chinois, marquant une amélioration significative des capacités de dialogue de l'IA. Ce modèle est entièrement disponible dans l'application Doubao (version 7.2.0 édition Nouvel An), offrant aux utilisateurs une expérience d'échange vocal plus riche et plus réaliste. Selon les informations fournies, le grand modèle linguistique en temps réel de Doubao a permis une fusion profonde entre la compréhension et la génération vocale, formant un système de dialogue vocal de bout en bout. Cette percée technologique permet au modèle d'améliorer son expressivité vocale, son contrôle et ses émotions.

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.

Selon les médias internationaux, Samsung Electronics est en pourparlers avec OpenAI pour un "partenariat ouvert", prévoyant d'intégrer les technologies de pointe d'OpenAI à sa gamme de téléviseurs afin de renforcer sa compétitivité sur le marché mondial de la télévision. Samsung prévoit d'intégrer plusieurs technologies clés d'OpenAI, notamment la génération de texte GPT, la génération d'images DALL-E, la reconnaissance vocale Whisper et le modèle d'inférence O1. Ces technologies offriront aux utilisateurs des fonctionnalités innovantes telles que des recommandations de contenu personnalisées, un assistant conversationnel et une traduction en temps réel. Par exemple, les utilisateurs pourront regarder un programme...

Google a récemment annoncé un partenariat avec l'Associated Press pour créer un "flux d'informations en temps réel" pour son application de chatbot Gemini. Jafar Zaidi, vice-président des partenariats mondiaux pour les actualités chez Google, a déclaré que cet objectif était d'améliorer l'expérience de recherche des utilisateurs de Gemini en leur fournissant des informations plus actuelles. Note sur l'image : Image générée par IA, fournisseur de services d'autorisation d'images Midjourney. Zaidi a mentionné dans un billet de blog que Google développe de nouveaux produits d'intelligence artificielle, en se concentrant particulièrement sur ceux capables de…

Gemini AI de Google a récemment réalisé une avancée technologique remarquable : la capacité de traiter simultanément plusieurs flux visuels, une prouesse sans précédent dans le domaine de l'intelligence artificielle. Cette fonctionnalité n'a pas été présentée via les plateformes principales de Google, mais plutôt par le biais d'une application expérimentale nommée "AnyChat". Cette nouvelle capacité de Gemini AI lui permet non seulement de visionner des vidéos en temps réel, mais aussi d'analyser simultanément des images statiques, brisant ainsi la limite antérieure de l'IA qui ne pouvait traiter qu'une seule entrée visuelle.

Dans le contexte de l'évolution rapide de l'intelligence artificielle, OpenAI a lancé le 1er octobre 2023 sa toute nouvelle API en temps réel, conçue pour fournir aux développeurs des outils puissants pour construire des applications vocales intelligentes. Le lancement de cette API a suscité un vif intérêt, notamment lors de l'OpenAI DevDay à Singapour, où les ingénieurs de Daily.co ont partagé leurs expériences et les leçons apprises lors de l'utilisation de cette API. Ces ingénieurs ont non seulement utilisé l'API en temps réel pour construire des produits, mais ont également activement contribué à des projets open source.

Timekettle, fabricant leader mondial d'appareils de traduction, a annoncé aujourd'hui le lancement de Babel OS, son premier système d'exploitation de traduction basé sur l'intelligence artificielle. Cette technologie révolutionnaire apportera une amélioration significative des performances à toute sa gamme d'appareils de traduction. L'innovation principale de Babel OS réside dans sa technologie de segmentation sémantique par IA. Cette technologie, soutenue par HybridComm de Timekettle, permet de prédire intelligemment les phrases, offrant une traduction en temps réel avec un délai quasi nul. Le système prend en charge la conversion instantanée de plus de 40 langues et imite même le style linguistique de l'utilisateur.

L'équipe VITA-MLLM a récemment annoncé le lancement de VITA-1.5, une version améliorée de VITA-1.0 visant à améliorer la réactivité et la précision de l'interaction multimodale. VITA-1.5 prend non seulement en charge l'anglais et le chinois, mais présente également des améliorations significatives sur plusieurs indicateurs de performance, offrant ainsi aux utilisateurs une expérience d'interaction plus fluide. Dans VITA-1.5, le délai d'interaction a été considérablement réduit, passant de 4 secondes à seulement 1,5 seconde, les utilisateurs ne percevant pratiquement aucun délai lors des interactions vocales.

La plate-forme de services de grands modèles d'IA Bailian d'Alibaba Cloud a récemment lancé la fonction « interaction audiovisuelle en temps réel », permettant aux utilisateurs de créer facilement des applications IA multimodales, sans connaissances en programmation. Cette nouvelle fonctionnalité permet aux utilisateurs d'intégrer rapidement des modèles d'IA dans des applications Web, iOS et Android, et de les partager avec d'autres. Les utilisateurs peuvent créer des applications d'agents intelligents en suivant des étapes simples : commencez par créer une application d'agent intelligent, puis sélectionnez et configurez les grands modèles de compréhension du texte, de la voix ou de la vision nécessaires sur la plate-forme Alibaba Cloud Bailian. La plate-forme propose plus de 200 grands modèles, notamment…

Lors de la conférence Volcano Engine FORCE 2024 : hiver, ByteDance a également lancé la recherche IA omnicanal de Volcano Engine. Ce service, en intégrant la recommandation de recherche contextualisée, l’intégration des informations privées des entreprises et les services de questions-réponses en ligne, associe étroitement les informations de l’entreprise, les besoins opérationnels et les besoins des utilisateurs, aidant ainsi les entreprises à réaliser des recommandations plus précises et une découverte d’informations plus large.

Meta a récemment annoncé que ses lunettes intelligentes Ray-Ban seraient dotées de trois nouvelles fonctionnalités : l'IA en temps réel, la traduction en temps réel et Shazam. L'IA en temps réel et la traduction en temps réel sont actuellement réservées aux membres du programme d'accès anticipé Meta, tandis que la fonctionnalité Shazam est disponible pour tous les utilisateurs aux États-Unis et au Canada. L'IA en temps réel et la traduction en temps réel avaient été annoncées plus tôt cette année lors de la conférence Meta Connect 2024. L'IA en temps réel permet aux utilisateurs d'interagir avec M… tout en gardant un œil sur leur environnement.