Audio & Speech

Principais notícias

1. 1

   Alibaba Qwen Audio 3.0 TTS Plus lidera ranking de síntese de voz

   Alibaba's Qwen Audio 3.0 TTS Plus alcançou o topo do Speech Arena leaderboard da Artificial Analysis. O modelo suporta 16 idiomas e permite que usuários controlem o estilo de fala usando linguagem natural ou tags como [angry]. A liderança em qualidade de síntese de voz (conversão de texto em fala) coloca Alibaba em destaque no mercado competitivo de modelos de IA de áudio. Isso demonstra progresso na capacidade de gerar fala natural e expressiva em múltiplos idiomas.

   Apesar de liderar em qualidade, o modelo processa apenas 16 caracteres por segundo — significativamente mais lento que rivais como Sonic 3.5 e Simba 3.2, o que pode limitar sua adoção em aplicações que exigem velocidade.

2. 2

   A startup parisiense Gradium levanta $100M em rodada seed e se expande para o Vale do Silício

   O que aconteceu： A Gradium, startup sediada em Paris que desenvolve modelos de IA para voz, fechou sua rodada seed em $100 milhões（約160億円） no total, adicionando a Nvidia ao seu portfólio de investidores após arrecadar inicialmente $70 milhões（約110億円） em dezembro. A empresa está abrindo um escritório no Vale do Silício para fortalecer sua posição em talento. Por que importa： A Gradium compete em um mercado de IA para voz repleto de concorrentes, incluindo ElevenLabs (avaliada em $11 bilhões（約1.8兆円） em fevereiro) e grandes players como o Gemini do Google. A startup já conquistou clientes importantes, incluindo a montadora francesa Renault desde seu lançamento em dezembro, sinalizando que sua tecnologia para entregar voz em larga escala com latência ultrabaixa está ganhando tração comercial real.

   O que acompanhar： A empresa está usando o novo financiamento para se estabelecer perto dos principais laboratórios de IA no Vale do Silício—uma aposta estratégica de que a proximidade com Anthropic, Google, Meta e OpenAI é essencial para competir nos mercados de talento em IA, apesar de os fundadores da Gradium e seus primeiros apoiadores estarem radicados no próprio hub de IA de Paris.

3. 3

   Cohere lança modelo árabe de fala para texto em código aberto

   O que aconteceu: A Cohere lançou o Cohere Transcribe Arabic, um modelo de código aberto com 2 bilhões de parâmetros para reconhecimento de fala em árabe. O modelo está disponível no Hugging Face e através da API da Cohere sob a licença Apache 2.0. Por que importa: Segundo a Cohere, trata-se do sistema mais preciso de fala para texto em árabe disponível em código aberto e supera o Whisper Large V3 e o modelo padrão Cohere Transcribe em benchmarks. Ele aborda desafios específicos do árabe — variedade de dialetos, conversas bilíngues árabe-inglês, code-switching e vocabulário especializado — que sistemas gerais de reconhecimento de fala têm dificuldade em processar com precisão.

   O que observar: Avaliações humanas em escala de 1 a 5 mostram que o Cohere Transcribe Arabic supera tanto o Whisper Large V3 quanto o modelo padrão Cohere Transcribe em qualidade geral, fidelidade dialetal e code-switching. O modelo já está disponível no Hugging Face e através da API da Cohere.

4. 4

   Anthropic entra em choque com Casa Branca de Trump e rejeita manual de Washington

   O que aconteceu: A administração Trump tomou medidas contra a Anthropic duas vezes—classificando-a como "risco da cadeia de suprimentos" em abril após a empresa recusar termos de contrato do Pentágono, e impondo controles de exportação em seus modelos de IA Mythos e Fable há duas semanas após descoberta de um jailbreak. OpenAI, em contraste, anunciou que estava retendo o lançamento do GPT-5.6 a pedido do governo dos EUA no mesmo dia em que esses controles foram relaxados. Por que é importante: A Anthropic, avaliada em US$ 965 bilhões (aproximadamente 150 trilhões de ienes) e preparando-se para um IPO esperado nos próximos meses, recusou a bajulação, doações e indicação de aliados de Trump que outras gigantes da tecnologia (Meta, Amazon, Apple) e OpenAI usaram para manter o favor da administração. Oficiais da administração Trump atacaram publicamente o CEO Dario Amodei como um "mentiroso" com "complexo de Deus" e um "lunático ideológico", e acusaram a empresa de "captura regulatória". A hostilidade contínua poderia dificultar a venda de investidores do mercado público sobre a listagem de ações e prejudicar significativamente a capacidade da empresa de desenvolver modelos avançados de IA.

   Fique atento: O CEO da Anthropic, Amodei, teria chamado Trump de "senhor feudal" em um post no Facebook que foi deletado, e sua irmã e cofundadora Daniela Amodei doou para a campanha de Kamala Harris. Diferentemente do chefe de políticas da OpenAI, Chris Lehane, e do cofundador Greg Brockman (o maior doador ao Super PAC MAGA Inc. de Trump), a Anthropic não fez contratações semelhantes de figuras alinhadas a Trump para sua liderança.

5. 5

   Netflix utiliza voz de Gene Wilder gerada por IA para reality show Wonka

   O que aconteceu: A Netflix está lançando Wonka's The Golden Ticket em 23 de setembro, uma competição de reality baseada no universo fictício de Wonka. A narração do programa utiliza uma versão gerada por IA da voz de Gene Wilder, criada em parceria com a empresa de áudio com IA ElevenLabs e com consentimento da família de Wilder. Por que importa: Isso estende o padrão da Netflix de usar vozes de celebridades geradas por IA em conteúdo — a empresa já recriou vozes de Michael Caine e Stan Lee. Para os espectadores, significa encontrar versões sintéticas de figuras icônicas em novas produções, desfocando a linha entre mídia de arquivo e mídia sintética no entretenimento mainstream.

   O que acompanhar: O final em duas partes vai ao ar em 30 de setembro. O programa apresentará 12 vencedores do golden ticket e seus parceiros escolhidos competindo em um experimento social de alto risco, com um campeão coroado ao final.