Audio & Speech

Principais notícias

1. 1

   Adobe Firefly lança ferramentas de IA para áudio e integra Gemini Omni Flash do Google

   O que aconteceu: A Adobe está lançando três ferramentas de IA para áudio — Generate Music (músicas livres de royalties para vídeos), Generate Speech (conversão de scripts em narração) e Generate Sound Effects (áudio para cenas) — em toda a plataforma Firefly, todas liberadas para uso comercial. O Firefly AI Assistant agora oferece gerações diárias gratuitas, e a Adobe integrou o modelo Gemini Omni Flash do Google, que aceita entradas de vídeo, áudio, imagem e texto junto com modelos de terceiros existentes da Kling AI, Luma AI e Runway. Por que importa: As ferramentas de áudio expandem o conjunto criativo do Firefly além da geração de texto e imagem, permitindo que criadores produzam trilhas sonoras de vídeos e vozes em off em uma única plataforma sem preocupações com licenças. A entrada multimodal do Gemini Omni Flash (vídeo, áudio, imagens, texto) amplia o escopo de tarefas criativas que o Firefly pode realizar, potencialmente simplificando fluxos de trabalho para produtores de conteúdo.

   O que observar: A Adobe relata que "Create Storyboard" e "Create Brand Kit" estão entre os recursos Firefly mais utilizados, sugerindo demanda por ferramentas criativas integradas; a adoção das ferramentas de áudio sinalizará se os usuários adotam esses recursos em taxas similares.

2. 2

   Adobe adiciona música, fala e efeitos sonoros à ferramenta Firefly AI

   O que aconteceu: A Adobe anunciou a disponibilidade geral de recursos de geração de áudio no Firefly, sua suíte criativa de IA. As novas ferramentas incluem Generate Music (alimentada pelo Firefly Music Model), Generate Speech (usando Firefly Speech ou ElevenLabs) e um gerador de efeitos sonoros. Todo o áudio é de qualidade profissional, comercialmente seguro e não requer assinatura separada. Por que importa: Criadores agora podem produzir música livre de royalties, dublagens e efeitos sonoros em uma única plataforma sem preocupações com direitos autorais. As ferramentas permitem aos usuários personalizar a música por humor e duração, controlar a cadência e emoção da fala, e gerar efeitos sonoros que combinam com o timing do conteúdo. Isso simplifica o fluxo de trabalho para criadores de conteúdo que precisam de áudio comercialmente seguro.

   O que observar: A Adobe criou o Generate Speech com a opção de usar modelos do ElevenLabs ao lado de sua própria tecnologia Firefly Speech, oferecendo aos usuários flexibilidade na qualidade da voz e no controle. A suíte de áudio complementa atualizações anteriores de junho do Firefly que adicionaram habilidades de edição de vídeo com IA para Elements.

3. 3

   Clonagem de voz por IA alimenta surto de ataques de engenharia social

   O que aconteceu: Golpistas estão cada vez mais utilizando clonagem de voz com IA e tecnologia deepfake para imitar contatos confiáveis, enviar emails de phishing personalizados e realizar ataques coordenados simultaneamente por email, chamadas telefônicas, plataformas de mensagens e redes sociais. Essas capacidades, que antes exigiam expertise especializada, agora estão amplamente acessíveis por meio de ferramentas facilmente disponíveis. Por que é importante: A IA acelerou dramaticamente a velocidade e escala em que os ataques de engenharia social podem operar. Os atacantes conseguem gerar emails hiperrrealistas, clonar vozes e criar áudio, imagens e vídeos manipulados personalizados para indivíduos ou equipes específicas em questão de minutos—dificultando para os funcionários identificar fraudes antes de divulgar informações sensíveis ou conceder acesso ao sistema.

   O que acompanhar: O artigo recomenda verificar qualquer solicitação inesperada envolvendo credenciais, aprovações, pagamentos ou informações sensíveis através de um canal de comunicação alternativo confiável, seguindo processos comerciais estabelecidos e reportando comunicações suspeitas prontamente. Confirmar solicitações de forma independente pode ajudar a prevenir fraudes e tentativas de falsificação.

4. 4

   Vozes deepfake representam risco crescente para comunicações diplomáticas

   O que aconteceu: Uma discussão no Reddit levanta preocupações sobre clonagem de voz por IA direcionada a diplomatas e autoridades governamentais, observando que o reconhecimento de voz isoladamente não serve mais como verificação confiável de identidade quando vozes sintéticas realistas podem ser criadas. Por que importa: Se adversários conseguirem clonar de forma convincente as vozes de contatos conhecidos, autoridades podem ser enganadas a compartilhar informações sensíveis ou tomar decisões baseadas em chamadas fraudulentas, potencialmente comprometendo comunicações diplomáticas e governamentais seguras.

   Pontos a acompanhar: A discussão reconhece incerteza sobre a frequência com que chamadas deepfake estão ocorrendo na prática e se autoridades já começaram a alterar protocolos de verificação em resposta à ameaça.

5. 5

   Wispr levanta $280M para melhorar ditação de voz com IA

   O que aconteceu: A Wispr AI, desenvolvedora de uma plataforma de ditação alimentada por IA, anunciou uma rodada de financiamento Serie B de $280 million com avaliação de $2 billion, liderada pela Menlo Ventures. A empresa também apresentou uma prévia do seu primeiro modelo proprietário, Canto, treinado para detectar fala em ambientes barulhentos com ruídos, interrupções e sons de fundo. Por que importa: O modelo Canto reduz a taxa de erro em ambientes barulhentos de 30% para quase 5%–10%, transformando a transcricão de voz de um recurso limitado a tarefas simples em uma ferramenta viável para conversas complexas em carros, espaços públicos e escritórios. A Wispr relata que mais de 60 billion palavras foram escritas no Flow (seu produto de ditação), e quase todas as empresas Fortune 500 e mais de 10,000 empresas usam a plataforma, sinalizando adoção em larga escala.

   O que acompanhar: O modelo Canto está em prévia e será integrado ao Flow; o total levantado pela Wispr até agora é de $361 million. Novos investidores incluem Acrew, Forerunner, Goodwater, Peak XV, Together Fund e PLUS Capital, ao lado de investidores anteriores Notable Capital, NEA, Neo Ventures, 8VC e MVP Ventures.

6. 6

   Regal Voice integra agentes de IA em plataforma Five9

   O que aconteceu: A empresa Regal Voice Inc. anunciou uma integração com a Five9 Inc. que disponibiliza seus agentes autônomos de voz por IA aos clientes da plataforma de contact center da Five9, por meio do programa AI Agent Connect da Five9. Por que é importante: A integração permite que eventos de chamadas na Five9 acionem automaticamente os agentes de voz da Regal, ampliando as opções de automação disponíveis para empresas que usam a plataforma Five9 e potencialmente oferecendo à Regal um novo canal de distribuição para seus serviços de IA.

   O que acompanhar: A disponibilidade dos agentes Regal Voice através do programa AI Agent Connect da Five9 e como essa integração será adotada por clientes da plataforma de contact center.