Em meio à agitação em torno do Assistente de Voz GPT-4 da OpenAI, um novo jogador surgiu - o Moshi AI, um assistente de voz de código aberto desenvolvido por uma empresa francesa, a Cute AI Labs. Esta interface baseada na web promete interações de baixa latência e consciência emocional em sua voz.

Os principais destaques do Moshi AI são:

• Baixa Latência: O Moshi AI visa fornecer uma experiência de voz em tempo real e com interrupção, diferente das respostas atrasadas muitas vezes associadas aos assistentes de voz.

• Consciência Emocional: O assistente afirma ter a capacidade de detectar e responder ao tom emocional do usuário, embora esse recurso não tenha sido demonstrado de forma consistente durante os testes.

• Código Aberto: A Cute AI Labs planeja disponibilizar o código do Moshi AI como código aberto, permitindo que os desenvolvedores o integrem em suas próprias aplicações.

Há apenas 7 anos, o estado da arte na geração de imagens por IA mal era reconhecível. Agora, o mais recente modelo de geração de vídeo, o GenFree, deu um enorme salto à frente, produzindo visuais incrivelmente realistas e criativos.

Embora o GenFree seja uma conquista impressionante, é importante entender suas capacidades e limitações. O modelo se destaca na geração de planos cinematográficos de alta qualidade, como imagens de drone de um farol, graças ao seu extenso treinamento em dados visuais relevantes. No entanto, ele tem dificuldade com solicitações mais específicas, como criar uma lontra surfando uma onda, devido à falta de exemplos tão específicos em seu treinamento.

Um dos principais pontos fortes do GenFree é sua capacidade de mesclar diferentes estilos artísticos. Ao solicitar ao modelo a criação de uma cena no estilo do pintor holandês Hieronymus Bosch, os resultados são uma mistura cativante de fantasia medieval e cinematografia moderna estilo GTA.

Dito isso, o custo de usar o GenFree pode se acumular rapidamente. Cada geração de 10 segundos custa $1 em créditos, e alcançar o resultado desejado muitas vezes requer inúmeras iterações. Isso pode tornar a ferramenta proibitivamente cara para experimentação casual.

A 11 Labs tem lançado novos recursos para sua plataforma de assistente de voz. As principais atualizações incluem:

1. Vozes Icônicas: O aplicativo de leitor da 11 Labs agora permite que os usuários nos EUA, Reino Unido e Canadá tenham seu texto lido por vozes icônicas como James Dean ou Bert Lahr. Isso adiciona um toque divertido e único à experiência de conversão de texto em fala.

2. Isolamento de Áudio: A 11 Labs lançou uma nova ferramenta de IA que pode isolar vozes de áudio ruidoso. Isso permite que os usuários removam o ruído de fundo e obtenham áudio cristalino, semelhante a recursos lançados por outras empresas no início deste ano.

3. Aplicativo Móvel para Geração de Música por IA: O Sooner, uma IA de geração de música, lançou um aplicativo móvel que permite que os usuários gerem música por IA no celular. No entanto, isso está atualmente limitado a usuários iOS nos EUA, com uma versão Android e lançamento global planejados assim que as capacidades multilíngues forem integradas.

A Motorola recentemente apresentou um uso criativo da tecnologia de vídeo por IA em sua mais recente campanha publicitária. Ao aproveitar ferramentas como o Control Net e o Stable Diffusion, a empresa conseguiu gerar uma série de imagens que integram perfeitamente o logotipo da Motorola em vários estilos inspirados na moda.

O fluxo de trabalho provavelmente envolveu a inserção do logotipo da Motorola nas imagens usando o Control Net e, em seguida, o uso do Stable Diffusion para gerar os visuais finais. Essas imagens foram então compiladas em um anúncio comercial, completo com música e edição, para criar um produto final polido e visualmente impressionante.

A Perplexity, o mecanismo de busca alimentado por IA, introduziu um novo recurso chamado "Pesquisa Pro" que visa fornecer capacidades de pesquisa mais avançadas e abrangentes. Este recurso integra raciocínio de várias etapas e acesso a fontes de dados externas, como matemática, programação e Wolfram Alpha, para entregar resultados de pesquisa mais precisos e informativos.

Os principais aspectos do recurso Perplexity Pro Search incluem:

1. Raciocínio de Várias Etapas: O mecanismo de busca agora pode decompor consultas complexas e realizar várias etapas de raciocínio para fornecer respostas mais abrangentes e relevantes.

2. Integração de Dados Externos: O Perplexity Pro Search pode acessar e aproveitar dados de fontes externas, como cálculos matemáticos, recursos de programação e a base de conhecimento do Wolfram Alpha.

3. Recurso Premium: A funcionalidade Perplexity Pro Search está atualmente disponível como um recurso premium para assinantes da Perplexity.

Um dos experimentos de IA mais interessantes e divertidos apresentados no vídeo é o site "Interdimensional Cable ONE", compartilhado por Carol na comunidade. Este site é uma recriação do icônico conceito de "Cabo Interdimensional" do programa animado "Rick e Morty".

No programa, o Tio Rick traz de volta um aparelho de TV de outra dimensão, permitindo que os personagens vejam estações de TV aleatórias e bizarras através do multiverso. A equipe do WebSim AI recriou esse conceito usando IA da web, criando um site que entrega uma experiência de visualização igualmente aleatória e imprevisível.

A Figma, a popular plataforma de design, anunciou recentemente um conjunto de recursos alimentados por IA que estão prestes a revolucionar a maneira como os designers trabalham. Dois dos recursos de destaque são os recursos "Prompt to UI" e "Pesquisa Visual".

O recurso "Prompt to UI" permite que os designers simplesmente descrevam o tipo de interface do usuário que desejam, e a IA da Figma gerará o design inteiro para eles. Isso tem o potencial de agilizar drasticamente o processo de design, permitindo que os designers iterem rapidamente sobre ideias e explorem novos conceitos.

No entanto, esse recurso também gerou alguma controvérsia, pois parece ter imitado de perto o design do aplicativo Clima da Apple. A Figma desde então desativou esse recurso, reconhecendo a necessidade de garantir que seus designs gerados por IA não violem a propriedade intelectual existente.

O jogo de palavras cruzadas do Google apresenta uma integração interessante de IA para melhorar a experiência do jogador. O aspecto-chave dessa integração é a capacidade de obter dicas do sistema de IA.

Quando o jogador está preso em uma pista, ele pode solicitar uma dica da IA. A IA então responderá com um simples "sim" ou "não", indicando se o jogador está no caminho certo com sua abordagem atual. Esta resposta limitada é uma escolha de design deliberada, pois a equipe por trás do jogo tentou solicitar dicas mais detalhadas da IA, mas o sistema se recusou a fornecer algo além do feedback binário sim/não.