Audio & Speech

Principais notícias

1. 1

   Alibaba's Qwen Audio 3.0 TTS Plus lidera ranking de síntese de fala

   O que aconteceu: O modelo Qwen Audio 3.0 TTS Plus da Alibaba alcançou o topo do Speech Arena leaderboard da Artificial Analysis. O sistema suporta 16 idiomas e permite que os usuários controlem o estilo de fala usando linguagem natural ou tags como [angry]. Por que importa: A capacidade de controlar nuances de fala em múltiplos idiomas representa um avanço em síntese de fala realista. Isso pode ampliar as aplicações em atendimento ao cliente multilíngue, audiolivros e assistentes de voz.

   Ponto de atenção: Apesar da liderança no ranking, o Qwen Audio 3.0 TTS Plus processa a 16 caracteres por segundo, significativamente mais lento que concorrentes Sonic 3.5 e Simba 3.2, o que pode limitar seu uso em aplicações em tempo real.

2. 2

   A startup parisiense de IA de voz Gradium levanta 100 milhões de dólares em rodada seed e se expande para a Bay Area

   O que aconteceu： A Gradium, startup parisiense que desenvolve modelos de IA de voz, fechou sua rodada seed em 100 milhões de dólares (aproximadamente 16 bilhões de ienes) no total, adicionando a Nvidia à sua carteira de investidores após levantar inicialmente 70 milhões de dólares (aproximadamente 11 bilhões de ienes) em dezembro. A empresa está abrindo um escritório na Bay Area para fortalecer sua posição em talento. Por que é importante： A Gradium compete em um mercado de IA de voz repleto de concorrentes, ao lado da ElevenLabs (avaliada em 11 bilhões de dólares, aproximadamente 1,8 trilhão de ienes, em fevereiro) e dos principais players como o Gemini do Google. A startup já conquistou grandes clientes, incluindo a montadora francesa Renault desde seu lançamento em dezembro, indicando que sua tecnologia de entrega de voz em escala com latência ultra-baixa está ganhando tração comercial real.

   O que observar： A empresa está usando o financiamento recém-obtido para se estabelecer perto dos principais laboratórios de IA na Bay Area—uma aposta estratégica de que a proximidade com Anthropic, Google, Meta e OpenAI é essencial para competir nos mercados de talento em IA, mesmo que os fundadores da Gradium e seus apoiadores iniciais tivessem raízes no próprio hub de IA de Paris.

3. 3

   Cohere lança modelo aberto de conversão de voz em texto para árabe

   O que aconteceu: A Cohere lançou o Cohere Transcribe Arabic, um modelo aberto com dois 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 é importante: Segundo a Cohere, trata-se do sistema mais preciso de conversão de voz em texto em árabe disponível em código aberto e supera o Whisper Large V3 e o modelo padrão Cohere Transcribe em testes de desempenho. Ele aborda os desafios específicos do árabe — variedade de dialetos, conversas bilíngues em árabe e inglês, alternância de código e vocabulário especializado — que são difíceis de processar com precisão pelos sistemas gerais de reconhecimento de fala.

   O que acompanhar: Avaliações humanas em uma escala de um a cinco mostram que o Cohere Transcribe Arabic supera tanto o Whisper Large V3 quanto o modelo padrão Cohere Transcribe em qualidade geral, fidelidade dialetal e alternância de código. O modelo está disponível agora no Hugging Face e via API da Cohere.

4. 4

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

   O que aconteceu: A administração Trump tomou ações contra a Anthropic duas vezes — classificando-a como um "risco da cadeia de suprimentos" em abril após a empresa recusar linguagem 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. A 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 importa: A Anthropic, avaliada em 965 bilhões de dólares e se preparando para um IPO esperado nos próximos meses, recusou a bajulação, doações e nomeação de aliados de Trump que outros gigantes da tecnologia (Meta, Amazon, Apple) e a OpenAI utilizaram para manter o favor da administração. Funcionários da administração Trump atacaram publicamente o CEO Dario Amodei como um "mentiroso" com um "complexo de Deus" e um "lunático ideológico", e acusaram a empresa de "captura regulatória". A hostilidade contínua pode dificultar a venda do IPO para investidores do mercado público e prejudicar significativamente a capacidade da empresa de desenvolver modelos de IA avançados.

   O que observar: O CEO da Anthropic Amodei supostamente chamou Trump de "senhor feudal" em uma postagem no Facebook agora deletada, e sua irmã e cofundadora Daniela Amodei doou para a campanha de Kamala Harris. Diferentemente do diretor de política da OpenAI Chris Lehane e do cofundador Greg Brockman (o maior doador do Super PAC MAGA Inc. de Trump), a Anthropic não fez contratações semelhantes de figuras alinhadas com Trump para sua liderança.

5. 5

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

   O que aconteceu: A Netflix estreia Wonka's The Golden Ticket em 23 de setembro, uma competição de realidade baseada no universo fictício de Wonka. A narração do programa usa 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 para 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 convencional.

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