Em 6 de março, a Mobvoi, em colaboração com instituições acadêmicas de ponta como a Universidade de Ciência e Tecnologia de Hong Kong, a Universidade Jiao Tong de Xangai, a Universidade Tecnológica de Nanyang e a Universidade de Ciência e Tecnologia do Noroeste, lançou em código aberto o Spark-TTS, um modelo de geração de voz de nova geração, e também lançou seu motor TTS comercial de alta qualidade - TicVoice 7.0. Como o sétimo motor TTS da Mobvoi, o TicVoice 7.0 alcançou um grande avanço no campo da geração de voz, abrindo um novo paradigma para a geração de voz.

A ZyphraAI lançou recentemente seu mais novo modelo de texto para fala (TTS) multilíngue, **Zonos-TTS**, baseado na **licença Apache2.0**, totalmente de código aberto e utilizável comercialmente. O Zonos-TTS não apenas suporta a função de clonagem de voz em tempo real, mas também foi treinado com 200.000 horas de dados de voz em inglês, exibindo um desempenho excepcional. O Zonos-TTS oferece duas maneiras de implantação: suporte para implantação local e serviço de API conveniente. Para usuários comuns, Zyphr...

Recentemente, o Character.AI, uma plataforma de bate-papo com IA apoiada pelo Google, apresentou uma falha notável, resultando em conversas confusas e incompreensíveis entre usuários e robôs de bate-papo. A saída incluiu uma mistura de várias línguas e menções estranhas a brinquedos sexuais. Muitos usuários compartilharam capturas de tela de suas conversas com o robô de bate-papo no Reddit, mostrando como o texto gerado pela IA gradualmente se tornou um absurdo sem sentido, incluindo línguas como turco, alemão e árabe. Um usuário relatou...

A Microsoft lançou recentemente a versão v0.4 do AutoGen, seu framework de orquestração para agentes de IA. Esta atualização visa aprimorar a flexibilidade e o controle dos agentes de IA para atender às necessidades dos usuários em termos de expansão de funcionalidades e capacidade de observação. Desde seu lançamento, o AutoGen tem recebido muita atenção dos desenvolvedores, mas os usuários também encontraram algumas limitações de arquitetura, APIs ineficientes e recursos insuficientes de depuração e intervenção. Na nova versão, a Microsoft focou em melhorar a modularidade e a escalabilidade do framework. Aut

Na Consumer Electronics Show (CES) de 2025, a Samsung anunciou que está trazendo um recurso popular de smartphones e tablets para suas TVs - a tradução em tempo real (Live Translate). Este recurso visa fornecer aos usuários tradução ao vivo de programas, permitindo que espectadores de diferentes idiomas aproveitem o conteúdo com mais facilidade. A tradução em tempo real suporta sete idiomas, embora ainda não tenha sido especificado quais são esses sete idiomas. A tecnologia funciona traduzindo as legendas do programa, em vez de traduzir o áudio diretamente. Desde 202...

A Timekettle, fabricante líder mundial de dispositivos de tradução, lançou hoje seu primeiro sistema operacional de tradução com inteligência artificial, o Babel OS. Essa tecnologia inovadora proporcionará melhorias significativas de desempenho a toda a sua linha de dispositivos de tradução. A inovação central do Babel OS reside em sua tecnologia de segmentação semântica de IA. Essa tecnologia, suportada pelo HybridComm da Timekettle, consegue prever frases de forma inteligente, permitindo traduções em tempo real com quase zero de latência. O sistema não apenas suporta conversão instantânea de mais de 40 idiomas, mas também imita o tom de voz do usuário.

O aguardado Deepseek V3 finalmente foi lançado como código aberto! Este novo modelo de IA alcançou um avanço significativo na capacidade de programação multilíngue. Seu desempenho na avaliação de programação multilíngue aider superou até mesmo concorrentes como Claude 3.5 Sonnet V2, chamando a atenção da indústria. De acordo com informações, o Deepseek V3 apresentou um salto qualitativo no desempenho em comparação com versões anteriores. A taxa de sucesso do Deepseek V2.5 na avaliação aider foi de apenas 17%, enquanto a do V3 aumentou para 4.

A Alibaba DAMO Academy, em parceria com a comunidade ModelScope, anunciou recentemente o lançamento de um novo conjunto de testes de referência multilíngue de código aberto, o P-MMEval, projetado para avaliar abrangentemente a capacidade multilíngue dos modelos de linguagem de grande porte (LLMs) e realizar uma análise comparativa de sua capacidade de transferência entre idiomas. Este conjunto de testes abrange conjuntos de dados eficientes de capacidades básicas e especializadas, garantindo a consistência da cobertura multilíngue em todos os conjuntos de dados selecionados e fornecendo amostras paralelas em várias línguas. Ele suporta até 10 idiomas de 8 famílias linguísticas diferentes, incluindo inglês, chinês e árabe.

O Meta lançou recentemente um novo benchmark chamado Multi-IF, projetado para avaliar a capacidade de modelos de linguagem grandes (LLMs) de seguir instruções em diálogos de várias rodadas e em ambientes multilíngues. Este benchmark abrange oito idiomas e inclui 4501 tarefas de diálogo de três rodadas, focando no desempenho dos modelos atuais em cenários complexos de várias rodadas e multilíngues. Na maioria dos padrões de avaliação existentes, a ênfase está em diálogos de uma rodada e tarefas monolíngues, dificultando a avaliação abrangente do desempenho dos modelos em aplicações reais. O lançamento do Multi-IF visa justamente isso.

A DeepL, líder mundial em IA para idiomas, lançou recentemente sua nova ferramenta de tradução de voz em tempo real, a DeepL Voice, para facilitar a comunicação perfeita entre diferentes idiomas. Com uma avaliação de US$ 2 bilhões, a DeepL ocupa uma posição de liderança em soluções de idiomas para empresas e indivíduos. A DeepL Voice é o primeiro produto da empresa focado em tradução de voz, indo além de seus renomados serviços de tradução de texto, oferecendo tradução em tempo real para interação multilíngue em cenários presenciais ou virtuais. O

A empresa francesa de inteligência artificial, Mistral AI, lançou recentemente um novo serviço de API de moderação de conteúdo. Essa iniciativa não apenas demonstra sua ambição no cenário global de IA, mas também reflete uma profunda reflexão sobre a governança de segurança da IA. Este sistema de moderação, baseado no modelo Ministral8B, consegue identificar com precisão nove categorias de conteúdo potencialmente prejudicial, incluindo conteúdo sexual, discurso de ódio, violência, atividades perigosas e informações de identificação pessoal. É importante destacar que a API suporta 11 idiomas principais, incluindo árabe, chinês, inglês, francês, etc.

A startup francesa de inteligência artificial Mistral AI lançou recentemente uma nova API de moderação de conteúdo para competir com a OpenAI e outros líderes do setor, abordando as crescentes preocupações com segurança de IA e filtragem de conteúdo. Este serviço é baseado no modelo Ministral8B da Mistral, finamente ajustado para detectar conteúdo potencialmente prejudicial em nove categorias diferentes, incluindo pornografia, discurso de ódio, violência, atividades perigosas e informações de identificação pessoal.

Recentemente, o Google anunciou que seu recurso de resumo de pesquisa de IA será expandido para mais de 100 países. Este recurso, chamado de “Visões gerais de IA (AI Overviews)”, será lançado para usuários no Canadá, Austrália, Nova Zelândia, África do Sul, Colômbia, Chile, Filipinas, Nigéria e outros. Os usuários podem verificar a lista completa de países no site do Google. Um destaque desta atualização é que as Visões gerais de IA serão oferecidas em vários idiomas em diferentes países, incluindo inglês, hindi, indonésio, japonês, português e espanhol.

Recentemente, a FunASR lançou um poderoso pacote de software de transcrição offline de arquivos multilíngue, oferecendo aos usuários uma solução eficiente e precisa de voz para texto. A principal vantagem deste pacote é sua capacidade de transcrição offline de arquivos. Ele pode facilmente processar arquivos de áudio ou vídeo com horas de duração e gerar transcrições com pontuação. Este recurso é uma ótima notícia para profissionais que precisam lidar com grandes quantidades de material de áudio. O suporte multilíngue do FunASR também é impressionante. Atualmente, o pacote suporta chinês e inglês.

O lançamento da versão 1.4 do Fish Speech marca um grande avanço neste modelo de texto para voz (TTS) de código aberto, em termos de suporte multilíngue e desempenho. Como uma solução inovadora dedicada a fornecer uma experiência de síntese de voz natural e de alta qualidade, o Fish Speech demonstra, nesta atualização, sua poderosa capacidade tecnológica e amplas perspectivas de aplicação. O suporte multilíngue significativamente aprimorado é o recurso mais notável do Fish Speech 1.4: aumento exponencial da quantidade de dados de treinamento: modelo...

A equipe do Tongyi Qianwen da Alibaba DAMO Academy anunciou em 30 de agosto de 2024 uma importante atualização em seu mais recente modelo, o Qwen2-VL. O modelo Qwen2-VL apresentou melhorias significativas na compreensão de imagens, processamento de vídeo e suporte multilíngue, estabelecendo novos padrões para indicadores de desempenho cruciais.

A plataforma de IA da 智谱AI anunciou o lançamento gratuito do modelo GLM-4-Flash, com o objetivo de impulsionar a inovação em aplicativos de IA. Conhecido por sua velocidade e economia, o modelo é adequado para tarefas simples com resposta rápida, suportando diálogos multilíngues, navegação na web, chamadas de função e raciocínio com textos longos, abrangendo 26 idiomas. Por meio de técnicas de otimização, como quantização adaptativa de peso, paralelização, processamento em lote e amostragem especulativa, o GLM-4-Flash reduz significativamente o custo de inferência. Na fase de pré-treinamento, ele recebeu mais de 10T de dados multilíngues de alta qualidade. O modelo em ló

A Cloudflare anunciou recentemente que, como um dos primeiros parceiros da Meta, lançou o mais recente modelo Llama3.18B da Meta na plataforma Workers AI. Isso permite que os desenvolvedores comecem a usar esta ferramenta de IA avançada no dia do seu lançamento.

O Grupo de Engenharia do Conhecimento e a equipe de mineração de dados da Universidade Tsinghua lançaram o CodeGeeX4-ALL-9B, o mais recente da série CodeGeeX. Ele atinge o ápice na geração de código multilíngue, redefinindo os padrões de desempenho e eficiência de codificação automatizada. Baseado na estrutura GLM-4-9B, com 940 milhões de parâmetros e amplamente treinado, ele supera modelos semelhantes, destacando-se na geração, conclusão e explicação de código, demonstrando velocidade de inferência e desempenho geral excelentes. Sua capacidade de adaptação é excepcional, abrangendo todas as necessidades de desenvolvimento de software e oferecendo código em nível de repositório.