Hume AI lancia Octave: text-to-speech emozionale

Hume AI, la startup di New York, ha appena presentato Octave, un modello di text-to-speech che promette di rivoluzionare l'audio dei contenuti digitali. Stai cercando una voce che dia vita ai tuoi audiolibri, videogiochi o film? Octave è progettato per produrre discorsi con sfumature emotive e realismo senza precedenti. Grazie a un'architettura avanzata, non solo comprende il contesto e le emozioni del testo, ma è anche in grado di generare voci che suonano straordinariamente umane. Le sue funzionalità includono l'interpretazione dei tratti del carattere e dello stile da un copione, la regolazione delle inflessioni vocali per rispecchiare le emozioni implicite, e l'aggiustamento della voce con istruzioni testuali naturali.

Immagina il potenziale nelle ads, le presentazioni video...

Hume AI offre un modello di pricing basato su abbonamento, con opzioni che vanno da un piano gratuito a piani Creator, Creator Pro ed Enterprise. Insomma, se vuoi una voce che faccia davvero la differenza, Octave potrebbe essere la scelta giusta.

HumeAI

Ho fatto qualche test per te. Ho fatto leggere questa news in inglese ad un pirata questa news e questo è il risultato.

E questo è il prompt:

ElevenLabs lancia Scribe modello da voce a testo

ElevenLabs ha lanciato Scribe, il suo primo modello di riconoscimento vocale autonomo, con un supporto impressionante per oltre 99 lingue e un tasso di accuratezza del 97% per l'inglese. Dopo aver raccolto 180 milioni di dollari e raggiunto una valutazione di 3,3 miliardi di dollari, l'azienda si è messa alla prova contro colossi come Google Gemini 2.0 Flash e Whisper Large V3, ottenendo risultati lusinghieri nei benchmark FLEURS e Common Voice. Scribe non si limita a riconoscere l'inglese, ma abbraccia anche lingue come francese, tedesco, hindi, giapponese e altre. Con un tasso di errore inferiore al 5% per 25 lingue. Il servizio è disponibile a 0,40 dollari all'ora.

TechCrunch

Alibaba svela Wan2.1: il nuovo modello video open-source

Alibaba ha lanciato Wan2.1, un modello video open-source che ridefinisce gli standard del settore. Wan2.1 è in grado di generare scene di moto e fisica con un realismo impressionante, superando sia i modelli open-source che quelli commerciali in diversi benchmark. Con funzionalità avanzate come text-to-video, image-to-video, video editing e video-to-audio, Wan2.1 si pone come uno degli strumenti AI video più versatili sul mercato. Allenato su un'enorme mole di dati, 1,5 miliardi di video e 10 miliardi di immagini, garantisce output di alta qualità e supporta la generazione di video in alta risoluzione e la ricostruzione video in modo efficiente.

La parte interessante è chesupporta GPU di fascia consumer. Il modello T2V-1.3B richiede solo 8,19 GB di VRAM, rendendolo compatibile con quasi tutte le GPU di fascia consumer. Può generare un video di 5 secondi in 480P su una RTX 4090 in circa 4 minuti (senza tecniche di ottimizzazione come la quantizzazione) con prestazioni paragonabili a quelle di alcuni modelli closed-source.

Wanxai

Un update veloce su ChatGPT: Voce Gratis e Deep Research Migliorata

OpenAI introduce la modalità vocale gratuita per tutti e potenzia la funzione Deep Research. La modalità Advanced Voice, ora alimentata da GPT-4o Mini, offre conversazioni di alta qualità senza costi aggiuntivi. Gli utenti Plus, Team, Education e Enterprise possono ora accedere a 10 query mensili di Deep Research, mentre i Pro ne hanno 120. La funzione Deep Research ora integra immagini con dettagli sulla fonte e migliora la comprensione dei file caricati. Finalmente, chi era frenato dai 200 dollari mensili dell'abbonamento Pro può esplorare queste novità senza svuotare il portafoglio.

OpenAI

[Nerd Zone] Un Modello Computerizzato che Pensa come un Umano

Un gruppo di scienziati della New York University, capitanato da Guy Davidson, Graham Todd, Julian Togelius, Todd M. Gureckis e Brenden M. Lake, ha sviluppato un modello computerizzato capace di generare obiettivi simili a quelli umani.

Pubblicato sulla rivista Nature Machine Intelligence, questo modello ha appreso a creare tali obiettivi analizzando come le persone sviluppano giochi. Gli esperimenti online condotti hanno visto i partecipanti creare oltre 100 giochi, utilizzati per addestrare il modello.

I risultati? Il modello è in grado di generare obiettivi umani, con applicazioni potenziali nel campo dell'Intelligenza Artificiale, del Comportamento Orientato a Obiettivi e dell'Interazione Uomo-Macchina.

ScienceDaily

[Nerd Zone] Hugging Face rivoluziona le app AI in tempo reale con FastRTC

Hugging Face, valutata oltre 4 miliardi di dollari, ha appena lanciato FastRTC, una libreria Python open-source che promette di semplificare lo sviluppo di applicazioni real-time audio e video. Grazie alla tecnologia WebRTC, ora puoi comunicare direttamente tra browser, condividendo audio, video e dati senza necessità di plugin o download. Il problema? WebRTC richiede competenze tecniche che non tutti gli ingegneri di machine learning possiedono. Ed è qui che FastRTC fa la differenza, permettendo ai developer di creare applicazioni audio e video in tempo reale con poche righe di codice. Un'opportunità d'oro per le aziende che possono sfruttare i propri sviluppatori Python per integrare funzionalità AI avanzate. ElevenLabs, Kyutai, Alibaba e Fixie.ai hanno già rilasciato modelli audio specializzati e, con FastRTC, possono finalmente integrarli in applicazioni in tempo reale. Il lancio di FastRTC segna un punto di svolta nello sviluppo di applicazioni AI, semplificando notevolmente la creazione di esperienze vocali e video con l'intelligenza artificiale. Qui trovi la libreria

VentureBeat

[Nerd Zone] OctoTools: La Rivoluzione di Stanford per i Modelli Linguistici

Gli scienziati della Stanford University hanno lanciato OctoTools, una piattaforma open-source che promette di migliorare le capacità di ragionamento dei modelli linguistici grandi (LLM) grazie all'orchestrazione modulare di strumenti. Stai cercando di scomporre compiti complessi in sottounità? OctoTools ti permette di farlo, integrando strumenti come Python e web-search APIs. E i risultati parlano chiaro: un incremento medio di accuratezza del 10,6% rispetto a Microsoft AutoGen, del 7,5% su GPT-Functions e del 7,3% su LangChain. Se AutoGen, LangChain e OpenAI API pensavano di dominare il campo, dovranno ora fare i conti con questa novità. OctoTools non solo ottimizza i task di ragionamento, ma ridefinisce il concetto di few-shot learning. Insomma, Stanford ha dato una bella scossa al mondo dell'AI. Qui trovi il tool.

VentureBeat

Trump e il video AI su Gaza

Donald Trump ha condiviso un video su social media che sembra uscito da un film dell'orrore sul terzo Reich. Immagina Gaza trasformata in un parco divertimenti con ballerini di danza del ventre barbuti sulla spiaggia, una statua d'oro gigante di Trump, denaro che piove dal cielo, Elon Musk che mangia pita e un hotel 'Trump Gaza'. Questo capolavoro di crudeltà è stato creato da un network di account pro-israeliani e distribuito su piattaforme come Truth Social e Instagram. Il video è stato condiviso il 4 febbraio, dopo che Trump ha dichiarato che gli Stati Uniti avrebbero 'preso il controllo' della Striscia di Gaza. Tra i protagonisti di questa saga ci sono anche Elon Musk, Benjamin Netanyahu, e una serie di nomi come Anna Kelly, Hussam Al Sharif, e Morgan J. Freeman. Questo è il momento in cui bisognerebbe ammettera che Sionismo e Nazismo hanno pericolose e profonde similitudini e che un nuovo asse del male è nato.

NBC News

[Nerd Zone] Sconti sulla Piattaforma DeepSeek API

A partire da oggi, la piattaforma DeepSeek API offre sconti fuori picco nelle ore meno trafficate, tra le 17:30 - 01:30 ora italiana e 18:30 - 02:30 dal 29 marzo con l'ora legale. Durante queste ore, le chiamate API vedranno una riduzione significativa dei costi: il servizio DeepSeek-V3 sarà scontato del 50%, mentre il DeepSeek-R1 godrà di un incredibile sconto del 75%.

[Nerd Zone] Mistral Saba, il modello per la lingua araba, su Groq

Se hai intezione di servire con la tua app AI mercati del Medio Oriente e dell'Asia meridionale, GroqCloud ha appena arricchito la sua suite con Mistral Saba. Mistral Saba è un modello progettato specificamente per supportare l'arabo e diverse lingue di origine indiana, con una particolare competenza in lingue dell'India meridionale come il tamil e il malayalam.

Saba non ha solo una conoscenza approfondita della grammatica e del vocabolario, ma anche delle espressioni idiomatiche, dei modi di dire e delle convenzioni culturali proprie di queste lingue, rendendolo in grado di interpretare e utilizzare correttamente modi di dire, riferimenti culturali e tradizioni specifiche delle regioni linguistiche che supporta

Mistral Saba, accessibile a tutti gli utenti di GroqCloud, dal livello gratuito a quello aziendale, può essere chiamato tramite API con l'ID modello: Mistral-Saba-24b.

GroqCloud

Se hai apprezzato queste informazioni, aiutatemi a crescere: condividile con la tua rete di colleghi e amici e invitatali a iscriversi per diffondere la conoscenza. Continuate a seguirci per rimanere sempre aggiornati nel mondo dell'intelligenza artificiale e scoprire nuove opportunità.