MeloTTS : Outil de Synthèse Vocale de Haute Qualité par MyShell IA, prenant en charge la prononciation mixte chinois-anglais

Step1X-Edit : Une nouvelle référence en matière d'édition d'images open source, rivalisant avec des modèles propriétaires comme GPT-4o

xAI lance Grok Vision : une nouvelle ère d'interaction visuelle et multilingue intelligente

Lancement de Dia, un modèle TTS open source révolutionnaire : prise en charge des émotions, des indices non verbaux et une qualité comparable à une conversation humaine

Nari Labs, une start-up composée de deux personnes, a lancé Dia, un modèle de synthèse vocale (TTS) de 1,6 milliard de paramètres, conçu pour générer des conversations naturelles directement à partir d'invites textuelles. Son co-fondateur, Toby Kim, affirme que Dia surpasse les produits propriétaires de concurrents tels qu'ElevenLabs, ainsi que la fonction de génération de podcasts NotebookLM AI de Google, et pourrait même concurrencer le récent gpt-4o-mini d'OpenAI.

Majeure mise à jour de Grok ! Capacité visuelle, traitement audio multilingue et recherche en temps réel révolutionnaires

万卷·丝路 2.0：Un ensemble de données multimodales multilingues open source du laboratoire d'intelligence artificielle de Shanghai

Le corpus multilingue et multimodal « 万卷·丝路 2.0 » publié par le laboratoire d'intelligence artificielle de Shanghai est désormais open source. S'appuyant sur les 5 langues déjà incluses (arabe, russe, coréen, vietnamien et thaï), ce corpus ajoute 3 langues rares : le serbe, le hongrois et le tchèque. Il couvre quatre modalités : texte, image, audio et vidéo, pour un total de plus de 11,5 millions d'éléments et plus de 26 000 heures de contenu audio et vidéo. Il représente ainsi une ressource importante pour le domaine multimodal des langues moins courantes.

ByteDance lance Multi-SWE-bench, une nouvelle norme pour la réparation automatique de code multilingue

Dans le monde du développement de logiciels, la correction d'erreurs est toujours un problème épineux. Aujourd'hui, l'équipe du modèle Doubao de ByteDance apporte une bonne nouvelle : elle lance officiellement le premier ensemble de données d'ingénierie logicielle (SWE) multilingue – Multi-SWE-bench. Cet ensemble de données vise à évaluer et à améliorer la capacité des grands modèles à corriger automatiquement les erreurs de code. Multi-SWE-bench, contrairement aux ensembles de données monolingues précédents, élargit considérablement la portée d'application. Cet ensemble de données ne se limite pas à Python

ElevenLabs lance les serveurs MCP : intégration transparente de la synthèse vocale IA aux assistants intelligents

ElevenLabs a lancé ses serveurs MCP, permettant une intégration transparente de ses capacités de synthèse vocale IA de pointe dans les assistants intelligents. Cette solution offre une expérience utilisateur améliorée et une personnalisation accrue des interactions vocales.

ByteDance lance MegaTTS3 sur Hugging Face : une percée dans la synthèse vocale légère

Pékin – ByteDance a récemment publié son dernier modèle de texte à parole (TTS), MegaTTS3, sur la communauté open source d'intelligence artificielle Hugging Face. Cette publication a rapidement attiré l'attention des chercheurs et développeurs en IA du monde entier, grâce à ses performances révolutionnaires en termes de conception légère et de prise en charge multilingue. D'après les retours de la communauté technique et les informations officielles, MegaTTS3 est salué comme une avancée majeure dans le domaine de la synthèse vocale. Les points forts de MegaTTS3 :

Sesame lance le modèle CSM : l'IA de synthèse vocale personnalisée en temps réel atteint de nouveaux sommets

Le 13 mars, Sesame a lancé son dernier modèle de synthèse vocale, le CSM, suscitant un vif intérêt dans le secteur. Selon la présentation officielle, le CSM adopte une architecture d'apprentissage multimodale de bout en bout basée sur le Transformer, capable de comprendre le contexte et de générer une voix naturelle et expressive, avec un rendu sonore étonnamment réaliste. Ce modèle prend en charge la génération vocale en temps réel, peut traiter les entrées textuelles et audio, et permet aux utilisateurs de contrôler des caractéristiques telles que le ton, l'intonation, le rythme et les émotions en ajustant les paramètres, démontrant ainsi une grande flexibilité. Le CSM est considéré comme une avancée majeure dans la technologie de la synthèse vocale par IA.

DeepSeek dément officiellement : les rumeurs de sortie du modèle R2 le 17 mars sont fausses

Aujourd'hui, la société chinoise d'intelligence artificielle DeepSeek a officiellement démenti par le biais de ses canaux officiels les rumeurs selon lesquelles son prochain modèle d'IA, DeepSeek R2, serait lancé le 17 mars. Des messages circulant précédemment sur la plateforme X annonçaient la présentation imminente de DeepSeek R2 à la mi-mars, avec des améliorations potentielles significatives en termes de capacités de programmation, de raisonnement multilingue et de rentabilité. Cependant, le compte officiel de DeepSeek a clairement répondu dans les groupes d'utilisateurs : "Démenti : la sortie du R2 est une fausse information", mettant ainsi fin à ces spéculations.