Audio & Speech

Principais notícias

1. 1

   IA dá voz expressiva a cantor de ópera não-falante

   O que aconteceu: Jakob Jordan, um jovem com autismo e apraxia que não consegue falar com confiabilidade em voz alta, protagonizou uma ópera chamada Sensorium Ex usando um dispositivo personalizado de síntese de fala por IA projetado pelo professor da Universidade de Nova York Luke DuBois. O dispositivo coleta amostras da fala desordenada do próprio Jakob, infere 401 parâmetros que representam a arquitetura acústica de sua voz e sintetiza novo texto através desses parâmetros—permitindo que ele ouça seus pensamentos falados em uma voz que soa como a dele, com controle expressivo total via sensores lidar que permitem acelerar, desacelerar e mudar o tom em tempo real. Por que importa: Os dispositivos tradicionais de texto para fala para pessoas com deficiências de comunicação (dispositivos AAC) tratam a voz sintetizada como genérica—monótona e sem emoção. O sistema de Jakob muda esse paradigma: em vez de apenas reproduzir texto, oferece a ele o que usuários identificaram como uma necessidade de direitos civis—o direito de injetar afeto emocional, de soar sarcástico, alegre ou perturbado. A compositora Paola Prestini construiu a ópera em torno dessa ideia, trabalhando com a poeta Brenda Shaughnessy (que tem experiência pessoal como mãe de uma criança não-verbal) para honrar as deficiências incorporadas aos personagens e criar um marco onde artistas com deficiência pudessem prosperar.

   Fique atento: O dispositivo funciona inteiramente em um computador local usando sensores lidar (a mesma tecnologia de $6 implantada em airbags de carros) em vez de serviços em nuvem, preservando privacidade ao eliminar exposição de dados a terceiros. Jakob continua usando um dispositivo tradicional de texto para fala na vida cotidiana; a voz de IA é sua escolha para expressão artística e performance. DuBois observa que inserir o que você quer dizer permanece lento e trabalhoso—o próximo desafio da equipe.

2. 2

   Dictata: Ditado por voz local Whisper para Windows, sem dados deixando a máquina

   O que aconteceu: Um desenvolvedor lançou Dictata v0.1.0, uma aplicação Windows que transcreve fala localmente usando Whisper (um modelo de inteligência artificial para conversão de fala em texto) e whisper.cpp, depois cola o texto em qualquer aplicação ativa — tudo sem enviar áudio ou texto para fora do dispositivo. Por que importa: Empresas e indivíduos que lidam com informações sensíveis podem agora ditar sem expor áudio a serviços em nuvem; a ferramenta também oferece pós-processamento local com LLM (limpeza, formatação de e-mail, listas) e suporta aceleração por GPU (Vulkan para AMD/Intel/NVIDIA), tornando-a prática para uso no mundo real em máquinas pessoais.

   O que observar: A ferramenta requer Windows 10/11, ffmpeg para transcrição de arquivos e SDK Vulkan opcional para suporte a GPU; é código aberto sob MIT com Commons Clause (gratuito para uso pessoal, não para revenda comercial), com biblioteca de modelos integrada e integração com HuggingFace para downloads fáceis de modelos.

3. 3

   Suno Studio 2.0 adiciona interface de chat e exportação sem restrições para usuários pagos

   O que aconteceu: A Suno lançou o Studio 2.0 com um recurso de chat em beta que permite aos assinantes Premier conversar com a plataforma como se fosse um colega de banda para criar instrumentos, vocais ou plugins personalizados. A atualização também inclui importação MIDI, gravação, edição, separação de faixas, curvas de automação e exportação multifaixa sem restrições em 32-bit/48 kHz. A criação de plugins atualmente não consome créditos, embora a Suno indique que um sistema de créditos pode chegar mais tarde. Por que importa: A interface baseada em chat transforma a Suno de um simples gerador de música em uma estação de trabalho de áudio digital (DAW) completa — uma ferramenta desktop tradicionalmente usada por produtores profissionais — trazendo composição com IA para fluxos de trabalho profissionais. Porém, a exportação sem restrições contradiz diretamente os limites de download recentes da Suno, projetados para frear a distribuição de spam em plataformas de streaming, sinalizando um equilíbrio entre capacitar profissionais pagos e controlar abuso.

   O que observar: O sistema de créditos para criação de plugins permanece indefinido; a Suno pode introduzir cobranças mais tarde. A empresa também enfrenta disputas contínuas de direitos autorais, incluindo uma recente decisão de tribunal alemão que o serviço viola a lei de direitos autorais da Alemanha e não se qualifica sob a doutrina de fair use dos EUA.

4. 4

   Suno adiciona MIDI, automação e chat com IA ao Studio 2.0

   O que aconteceu: A Suno lançou o Studio 2.0, uma grande atualização de sua ferramenta de música generativa por IA que adiciona suporte a MIDI (seu recurso mais solicitado), automação de faixas para panorâmica e volume, um chatbot com contexto para auxiliar na criação de letras e instrumentos, efeitos integrados (distorção, delay, reverb, compressão, EQ) e a capacidade de criar e salvar plugins de efeitos personalizados. Por que importa: Essas adições posicionam a Suno mais próxima de uma estação de trabalho de áudio digital (DAW) completa em vez de um editor generativo minimalista, expandindo o que músicos e produtores podem fazer dentro da ferramenta—embora a plataforma ainda careça de suporte a plugins de terceiros ou VST, limitando a integração com instrumentos e efeitos padrão da indústria.

   O que observar: A profundidade do chatbot como parceiro criativo; a demonstração da Suno mostra o aplicativo realizando tarefas como limpeza de notas e quantização que os usuários faziam manualmente antes, sugerindo que o chat pode cada vez mais assumir escolhas de produção em vez de apenas auxiliar.

5. 5

   Streamer da Twitch podem agora recusar o treinamento de IA da Amazon

   O que aconteceu: A Twitch adicionou uma opção em suas configurações de Segurança e Privacidade que permite que streamers recusem ter seu conteúdo — transmissões, VODs, clipes, chat, texto e imagens de canal — usado para treinar modelos de IA generativa da Amazon. A opção estava ativada por padrão quando foi descoberta. Por que é importante: Streamers que se sentem desconfortáveis com seu conteúdo alimentando modelos de geração de texto, áudio, imagem ou vídeo da Amazon agora podem impedir esse uso. Outros recursos da Twitch com suporte de IA, como legendas e ferramentas de segurança, permanecem inalterados ao recusar. A medida dá aos criadores controle sobre um uso específico de seu conteúdo, embora recusar não impeça que a Amazon e a Twitch usem o conteúdo para outros fins listados na Política de Privacidade da Twitch.

   O que acompanhar: A opção agora está disponível nas configurações da Twitch na aba Segurança e Privacidade. Notavelmente, se um streamer participa do chat em uma transmissão de outra pessoa, a preferência de recusa dessa outra pessoa determina se esse chat pode ser usado para treinamento — streamers individuais não podem proteger unilateralmente o chat em que participam nos canais de outros.