Au milieu de l'effervescence autour de l'assistant vocal GPT-4 d'OpenAI, un nouveau joueur a fait son apparition - Moshi AI, un assistant vocal open source développé par une entreprise française, Cute AI Labs. Cette interface web promet des interactions à faible latence et une conscience émotionnelle dans sa voix.

Les principaux points forts de Moshi AI sont :

• Faible latence : Moshi AI vise à offrir une expérience vocale en temps réel et pilotée par les interruptions, contrairement aux réponses retardées souvent associées aux assistants vocaux.

• Conscience émotionnelle : L'assistant prétend avoir la capacité de détecter et de répondre au ton émotionnel de l'utilisateur, bien que cette fonctionnalité n'ait pas été démontrée de manière cohérente lors des tests.

• Open Source : Cute AI Labs prévoit d'ouvrir le code source de Moshi AI, permettant aux développeurs de l'intégrer dans leurs propres applications.

Il y a seulement 7 ans, l'état de l'art en matière de génération d'images IA était à peine reconnaissable. Maintenant, le dernier modèle de génération vidéo, GenFree, a fait un bond en avant massif, produisant des visuels étonnamment réalistes et créatifs.

Bien que GenFree soit une réalisation impressionnante, il est important de comprendre ses capacités et ses limites. Le modèle excelle dans la génération de plans cinématographiques de haute qualité, comme des images de drone d'un phare, grâce à son vaste entraînement sur des données visuelles pertinentes. Cependant, il a du mal avec des demandes plus spécifiques, comme la création d'une loutre surfant sur une vague, en raison du manque d'exemples aussi spécialisés dans son entraînement.

L'une des principales forces de GenFree est sa capacité à mélanger différents styles artistiques. En demandant au modèle de créer une scène dans le style du peintre hollandais Jérôme Bosch, les résultats sont un mélange captivant de fantasy médiévale et de cinématographie moderne de style GTA.

Cela dit, le coût de l'utilisation de GenFree peut rapidement s'accumuler. Chaque génération de 10 secondes coûte 1 $ en crédits, et l'obtention du résultat souhaité nécessite souvent de nombreuses itérations. Cela peut rendre l'outil prohibitivement coûteux pour une expérimentation occasionnelle.

11 Labs a expédié de nouvelles fonctionnalités pour sa plateforme d'assistant vocal. Les principales mises à jour comprennent :

1. Voix iconiques : L'application de lecteur 11 Labs permet désormais aux utilisateurs aux États-Unis, au Royaume-Uni et au Canada de faire lire leur texte par des voix iconiques comme celles de James Dean ou de Bert Lahr. Cela ajoute une touche amusante et unique à l'expérience de synthèse vocale.

2. Isolation audio : 11 Labs a publié un nouvel outil IA capable d'isoler les voix des audios bruités. Cela permet aux utilisateurs de supprimer le bruit de fond et d'obtenir un audio cristallin, similaire aux fonctionnalités publiées par d'autres entreprises plus tôt cette année.

3. Application mobile pour la génération de musique IA : Sooner, une IA de génération de musique, a publié une application mobile permettant aux utilisateurs de générer de la musique IA en déplacement. Cependant, cela se limite actuellement aux utilisateurs iOS aux États-Unis, avec une version Android et un déploiement mondial prévu une fois que les capacités multilingues seront intégrées.

Motorola a récemment présenté une utilisation créative de la technologie vidéo IA dans sa dernière campagne publicitaire. En tirant parti d'outils comme Control Net et Stable Diffusion, l'entreprise a pu générer une série d'images qui intègrent de manière transparente le logo Motorola dans divers styles inspirés de la mode.

Le flux de travail a probablement impliqué d'insérer le logo Motorola dans les images à l'aide de Control Net, puis d'utiliser Stable Diffusion pour générer les visuels finaux. Ces images ont ensuite été compilées dans une publicité commerciale, avec de la musique et du montage, pour créer un produit final poli et visuellement frappant.

Cet exemple montre comment les entreprises commencent à explorer les applications pratiques de la génération vidéo IA dans le monde réel. Bien que la qualité ne soit pas encore à la hauteur des exemples de pointe présentés par Gen-Free, la campagne publicitaire de Motorola montre que la vidéo alimentée par l'IA peut être une solution viable et rentable pour certains types de création de contenu.

Perplexity, le moteur de recherche alimenté par l'IA, a introduit une nouvelle fonctionnalité appelée "Recherche Pro" qui vise à fournir des capacités de recherche plus avancées et complètes. Cette fonctionnalité intègre le raisonnement à plusieurs étapes et l'accès à des sources de données externes, telles que les mathématiques, la programmation et Wolfram Alpha, pour fournir des résultats de recherche plus précis et informatifs.

Les principaux aspects de la fonctionnalité Perplexity Pro Search comprennent :

1. Raisonnement à plusieurs étapes : Le moteur de recherche peut désormais décomposer les requêtes complexes et effectuer plusieurs étapes de raisonnement pour fournir des réponses plus complètes et pertinentes. Cela permet aux utilisateurs de poser des questions plus nuancées et détaillées, et de recevoir des réponses sur mesure.

2. Intégration de données externes : Perplexity Pro Search peut désormais accéder et exploiter les données de sources externes, telles que des calculs mathématiques, des ressources de programmation et la base de connaissances Wolfram Alpha. Cette intégration permet au moteur de recherche de fournir des réponses plus précises et informatives, en particulier pour les requêtes nécessitant des connaissances ou des calculs spécialisés.

3. Fonctionnalité premium : La fonctionnalité Perplexity Pro Search est actuellement disponible en tant que fonctionnalité premium pour les abonnés Perplexity. Cela permet aux utilisateurs qui se fient régulièrement à la plateforme d'accéder à ces capacités de recherche avancées et d'améliorer leur expérience de recherche globale.

L'un des expériences IA les plus intéressantes et amusantes présentées dans la vidéo est le site Web "Interdimensional Cable ONE", partagé par Carol dans la communauté. Ce site Web est une recréation du concept iconique de "Câble interdimensionnel" de l'émission animée "Rick et Morty".

Dans la série, l'oncle Rick ramène un téléviseur d'une autre dimension, permettant aux personnages de regarder des stations de télévision aléatoires et bizarres à travers le multivers. L'équipe WebSim AI a reconstruit ce concept à l'aide de l'IA web, créant un site Web qui offre une expérience de visionnage tout aussi aléatoire et imprévisible.

Lorsque vous chargez la page Interdimensional Cable ONE, vous ne savez jamais à quoi vous attendre. Elle présente une collection de vidéos super aléatoires et psychédéliques, capturant l'essence du concept de "Câble interdimensionnel" de la série. Cette expérience devrait surtout plaire aux fans dévoués de "Rick et Morty", qui apprécieront le soin apporté aux détails et la recréation fidèle de l'esthétique unique de la série.

Figma, la plateforme de conception populaire, a récemment annoncé une suite de fonctionnalités alimentées par l'IA qui sont sur le point de révolutionner la façon dont les concepteurs travaillent. Deux des fonctionnalités les plus remarquables sont les capacités "Prompt to UI" et "Recherche visuelle".

La fonctionnalité "Prompt to UI" permet aux concepteurs de simplement décrire le type d'interface utilisateur qu'ils souhaitent, et l'IA de Figma générera l'ensemble du design pour eux. Cela a le potentiel de simplifier considérablement le processus de conception, permettant aux concepteurs d'itérer rapidement sur les idées et d'explorer de nouveaux concepts.

Cependant, cette fonctionnalité a également suscité une certaine controverse, car elle semble avoir étroitement imité la conception de l'application météo d'Apple. Figma a depuis désactivé cette fonctionnalité, reconnaissant la nécessité de s'assurer que ses designs générés par IA ne portent pas atteinte à la propriété intellectuelle existante.

La fonctionnalité "Recherche visuelle", quant à elle, est une innovation plus largement applicable. En tirant parti de modèles multimodaux avancés, les concepteurs peuvent désormais rechercher dans l'ensemble de leur bibliothèque de conception à l'aide de requêtes en langage naturel, sans s'appuyer sur des métadonnées ou des tags spécifiques. Cela ouvre de nouvelles possibilités pour les concepteurs de trouver et d'incorporer rapidement des éléments pertinents dans leurs projets.

Le jeu de mots croisés de Google présente une intégration intéressante de l'IA pour améliorer l'expérience du joueur. L'aspect clé de cette intégration est la possibilité d'obtenir des indices de la part du système IA.

Lorsque le joueur est bloqué sur un indice, il peut demander un indice à l'IA. L'IA répondra alors par un simple "oui" ou "non", indiquant si le joueur est sur la bonne voie avec son approche actuelle. Cette réponse limitée est un choix de conception délibéré, car l'équipe derrière le jeu a essayé d'obtenir de l'IA des indices plus détaillés, mais le système a refusé de fournir autre chose que ce retour binaire oui/non.

Cette mise en œuvre illustre une approche réfléchie de l'utilisation de l'IA dans un contexte de jeu. En limitant les réponses de l'IA à un simple oui/non, les développeurs s'assurent que le joueur reste engagé dans le processus de résolution de problèmes, plutôt que de trop s'appuyer sur l'IA pour fournir la solution. Le joueur est encouragé à poursuivre son propre processus de réflexion et d'exploration, l'IA servant de guide plutôt que de fournisseur de solution complète.

Hugging Face, la principale plateforme d'évaluation des modèles de langage à grande échelle, a récemment remanié son classement pour remédier aux lacunes des référentiels existants. Le nouveau classement introduit les référentiels MLU Pro, GPT-QA et MSU, qui sont considérés comme des évaluations plus fiables et avancées des modèles de langage.

Les principaux points forts du classement mis à jour comprennent :

1. Scores normalisés : Les scores sont désormais normalisés pour fournir une comparaison plus significative entre les différents référentiels.

2. Système de vote communautaire : Un système de vote communautaire a été mis en place pour s'attaquer au problème de la contamination, où les modèles sont évalués sur des données sur lesquelles ils ont été formés.

3. Instruction du modèle Quant 72B : Le modèle Quant de 72 milliards de paramètres mène actuellement le classement, montrant les progrès continus dans le développement des modèles de langage à grande échelle.