Hugging Face lance un classement pour la synthèse vocale multilingue
Hugging Face a lancé l’Open TTS Leaderboard, un classement ouvert pour l’évaluation évolutive des modèles de synthèse vocale multilingue et de clonage de voix.
synthèse vocale
Gemini 3.8 : DeepMind améliore la synthèse vocale par IA
DeepMind a dévoilé Gemini 3.8, une nouvelle version de son modèle de synthèse vocale par IA, promettant des voix plus naturelles et expressives.
sanoTTS : une visualisation interactive révèle ses mécanismes internes
Une visualisation interactive inédite a été mise en ligne pour détailler le fonctionnement interne de sanoTTS, un système de synthèse vocale (TTS) de près de 300 000 paramètres.
NVIDIA Magpie TTS : des agents vocaux multilingues à faible latence
NVIDIA lance Magpie TTS, un système de synthèse vocale avec poids ouverts pour des agents multilingues à faible latence et un contrôle total du déploiement.
Fish Audio lève 50 M$ pour ses modèles vocaux IA
La startup Fish Audio a levé 50 millions de dollars en financement d’amorçage pour développer ses modèles vocaux basés sur l’IA, attirant déjà 8 millions d’utilisateurs.
Hugging Face lance Real World VoiceEQ pour évaluer la qualité humaine des voix IA
Hugging Face a dévoilé Real World VoiceEQ, une nouvelle méthodologie pour évaluer la qualité humaine des voix générées par l’IA, au-delà des métriques techniques.
MOSS-TTS v1.5 : la synthèse vocale s’affine
OpenMOSS-Team lance MOSS-TTS v1.5, une mise à jour de son outil de synthèse vocale open source.
Spotify lance un outil de création de livres audio avec ElevenLabs
Spotify déploie un outil de création de livres audio basé sur l’IA d’ElevenLabs, marquant une étape stratégique pour renforcer sa présence sur ce marché.
OpenAI acquiert Weights.gg, spécialiste du clonage vocal de célébrités
OpenAI a acquis Weights.gg, une startup connue pour le clonage vocal de célébrités, intégrant son équipe sans prévoir de produit autonome.
Scenema Audio : Clonage vocal expressif en zero-shot
Scenema.ai a dévoilé Scenema Audio, un modèle de clonage vocal expressif et de génération de parole en « zero-shot », dont les poids et le code sont accessibles.