Cohere lancia Embed 4: il motore di ricerca multimodale che digerisce documenti da 200 pagine

Cohere ha appena svelato Embed 4, l'upgrade del suo modello di embedding multimodale che fa a pezzi documenti mastodontici fino a 200 pagine. Pensato per gestire il caos dei dati non strutturati, lavorando con una finestra di contesto da 128.000 token. Settori iper-regolamentati come finanza, sanità e manufacturing ora hanno uno strumento per domare informazioni complesse e rumorose. E c'è di più: supporta oltre 100 lingue e potenzia casi d'uso come la ricerca semantica o il Retrieval Augmented Generation (RAG).

VentureBeat

MusicGPT: la rivoluzione AI che trasforma il testo in hit musicali

MusicGPT è una piattaforma che trasforma gli appunti testuali in canzoni complete, effetti sonori e persino discorsi, tutto grazie a intelligenza artificiale, machine learning e natural language processing. In pratica, funziona in modo simile a ChatGPT: l'utente descrive ciò che desidera ascoltare e la piattaforma lo genera. Niente più barriere tecniche: musicisti, content creator e PMI possono produrre colonne sonore personalizzate senza toccare uno strumento. Permette di generare musica da testo (Text-to-Music), creare testi, convertire file e attingere a una libreria ricca di tracce AI fornite dalla community, organizzate per genere e umore. Le alternative includono Riffusion, Udio, Suno e FlexClip, sebbene ciascuna presenti approcci differenti. L'ho testato personalmente ed è ottimo.

MusicGPT

OpenAI svela O3 e O4-Mini: altre IA che ragiona

OpenAI lancia altri due nuovi modelli pensati per riflettere prima di rispondere. O3 è il loro campione di ragionamento: domina matematica, coding, scienze e comprensione visiva, lasciandosi alle spalle i predecessori. O4-Mini invece è la scelta per chi cerca il giusto mix tra prestazioni, velocità e costo. Entrambi già disponibili per gli abbonati Pro, Plus e Team.

TechCrunch

Claude AI: arriva la voce

Anthropic sta per lanciare la 'voice mode' per Claude AI, il suo chatbot, con tre voci tra cui scegliere: Airy, Mellow e Buttery. Una mossa che arriva subito dopo l'Advanced Voice Mode di ChatGPT e che punta a tenere testa a giganti come OpenAI e Google (Gemini). Amazon, che ha una partecipazione in Anthropic, spinge per non restare indietro. Un articolo di Bloomberg svela che il lancio potrebbe avvenire già questo mese.

TechRadar

Kling AI 2.0: Modelli Aggiornati e Input Multimodale

Kuaishou Technology ha rilasciato Kling AI 2.0, aggiornando i suoi modelli di generazione video (Kling AI 2.0) e immagine (Kolors 2.0). L'upgrade migliora metriche chiave come rispondenza semantica, qualità del movimento ed estetica visiva.

La novità principale è l'introduzione del "Multi-Modal Visual Language" (MVL). Questo paradigma permette di usare input visivi (immagini, clip video) insieme al testo per guidare l'AI con maggiore precisione su stile, azioni e dettagli, superando i limiti del solo testo.

La versione Master Edition implementa editing multimodale video (aggiunta/rimozione/sostituzione di elementi) e funzioni avanzate di editing immagine come inpainting/outpainting e style transfer controllato. Sono disponibili anche API per l'integrazione da parte di sviluppatori e aziende.

Klingai

Google Classroom lancia l'AI che crea quiz al posto tuo (ma paghi)

Google Classroom ha sbloccato una nuova arma segreta per gli insegnanti: un tool AI che genera domande per quiz in pochi click. Niente più notti insonni a preparare test – ora basta caricare un testo da Google Drive o incollarlo manualmente, e Gemini, il cervello artificiale di Google, ti sputa fuori domande su misura. Puoi filtrare per livello scolastico, tipo di domanda (multiple choice o aperte) e persino competenze specifiche da valutare, come l'uso del linguaggio figurativo o la capacità di analizzare argomenti. Il tutto esportabile in Google Doc o Form. Peccato che il giocattolo sia solo per chi ha Google Workspace for Education con gli add-on a pagamento: Gemini Education (24$ a testa) o la versione Premium (36$). E non è tutto: l'update include anche generazione di liste di vocaboli, idee per lezioni e sintesi di appunti e feedback.

TechCrunch

Open AI lancia GPT-4.1 e sostituisce GPT-4.5

OpenAI ha appena svelato GPT-4.1, la nuova generazione di modelli AI che fa a pezzi i limiti precedenti: processa fino a un milione di token e risolve problemi di coding come un senior developer dopato di caffè. Il tutto con costi ridotti, una mossa strategica per tenere testa alla concorrenza nel mercato enterprise. Per te che lavori con l'AI, significa, se funziona, avere in mano uno strumento che non solo digerisce montagne di dati, ma li trasforma in soluzioni concrete.

VentureBeat

HiDream-I1 Open Source batte i big nella creazione delle immagini nei benchmark

Vivago ha appena lanciato HiDream-I1, un generatore di immagini AI che entra di diritto nella top 5 globale, surclassando pesi massimi come Flux, Auraflow e Stable Diffusion 3.5. Ma non finisce qui: il modello open-source (licenza MIT) sviluppato da Sparking Innovations Limited supera anche i colossi closed-source MidJourney v7, Ideogram v3 e Reve. HiDream-I1 offre qualità da urlo e velocità di rendering, ma c'è un ma: serve un hardware mostruoso (minimo 27 GB di VRAM per la versione full). Per chi non ha un supercomputer, ci sono le versioni Dev e Fast, comunque capaci di risultati eccellenti. La sfida ora è democratizzare l'accesso a questa potenza senza bruciarsi la GPU.

Scettico sui benchmark e dichiarazione, l'ho testato personalmente e direi che... no i modelli closed source non solo non li batte, ma non si avvicina nemmeno.

hidream

OpenAI pronta a sfidare Meta e X con un social tutto suo

Sam Altman e OpenAI potrebbero presto entrare nel ring dei social media. Secondo Android Authority e The Verge (grazie a Edgar Cervantes), la startup dietro ChatGPT sta lavorando a un prototipo di piattaforma social. Un pugno nello stomaco per X (l'ex Twitter di Musk) e Meta (Instagram, Facebook).

Il gioco? Rubare dati utente in tempo reale per addestrare i modelli AI.

Android Authority

Google lancia Veo 2 su Gemini

Veo 2, il suo nuovo modello di Google per creare video da testo, sbarca su Gemini per gli utenti Advanced. Funziona così: scrivi una descrizione, e l'AI genera un clip di 8 secondi in 720p, pronto per il download in MP4. Parte che Veo 2 abbia una marcia in più degli altri perché capisce come ci muovere le immagini nel mondo reale, grazie a un'analisi avanzata della fisica. Attualmente è in rollout, quindi ancora niente test.

Ars Technica

Deepgram lancia Aura-2: la voce dell'AI che fa sul serio

Deepgram ha appena svelato Aura-2: il suo nuovo modello text-to-speech pensato per le aziende che non accettano compromessi. Vuoi una voce AI che sembri umana, veloce come un lampo e che non ti svuoti il portafogli? Aura-2 ha battuto ElevenLabs, Cartesia e OpenAI nei test di preferenza per use case professionali. Con 40+ voci diverse, pronuncia perfetta anche nei termini più tecnici (grazie al Domain-Specific Pronunciation Excellence) e un prezzo di $0.030 ogni 1.000 caratteri, è la scelta di 200.000 sviluppatori e 1.200 aziende come Vapi, Cognigy e Jack in the Box.

AI TechPark

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.