Hugging Face presentó Distil-Whisper, una versión destilada del modelo de reconocimiento automático de voz Whisper de OpenAI que reduce la latencia en 6 veces y el tamaño de parámetros en un 49%, manteniendo una tasa de error de palabras (WER) inf
Sigue leyendo las noticias clave de IA
Filtrar y personalizar
OpenAI Lanza Whisper Large-v3-Turbo: Reconocimiento Automático de Voz Multilingüe con 8x Más Velocidad y Menor Huella de MemoriaOpenAI lanza Whisper Large-v3-Turbo con decodificador de 4 capas para transcripción de voz 8x más rápida y menor consumo de memoria GPU.Leer análisis completo
OpenAI Lanza Realtime API: Inferencia de Audio y Voz Bidireccional de Baja Latencia para AgentesOpenAI lanza Realtime API para streaming de audio bidireccional y voz nativa con GPT-4o, reduciendo la latencia de conversación a niveles humanos.Leer análisis completo
Hugging Face Presenta Parler-TTS: Síntesis de Voz Abierta y Expresiva Controlada por Lenguaje NaturalHugging Face libera Parler-TTS, modelo abierto de síntesis de voz guiado por lenguaje natural para controlar tono, prosodia, cadencia y ambiente sonoro.Leer análisis completo
Yoba suplanta descargas de IAUna campaña para Windows usa descargas falsas y archivos firmados.Leer análisis completo
Kyutai Presenta Mimi: Codec de Audio Neuronal Abierto de Ultra Baja Latencia para Modelos de VozKyutai libera Mimi, codec de audio neuronal abierto que combina tokens acústicos y semánticos a 12,5 Hz para síntesis de voz interactiva a baja latencia.Leer análisis completo
Kyutai presenta Moshi: el modelo de voz multimodal en tiempo real con 200 milisegundos de latencia y pesos abiertosKyutai libera Moshi, modelo de diálogo por voz full-duplex con latencia de 200ms, compresión Mimi y pesos abiertos para ejecución en servidores locales.Leer análisis completo
OpenAI habilita soporte WebRTC en la Realtime API: audio bidireccional continuo con latencia inferior a 300 ms para aplicaciones de vozOpenAI incorporó WebRTC en su Realtime API, permitiendo streaming de audio bidireccional continuo de baja latencia sin intermediarios de websocket.Leer análisis completo
Baichuan Presenta Baichuan-Omni: Modelo Multimodal Abierto de Procesamiento de Voz, Video y Texto en Tiempo RealBaichuan presenta Baichuan-Omni, modelo de 7B para comprensión multimodal simultánea de video y voz con latencia de 400 ms e interacción natural.Leer análisis completo
Meta presenta Llama 3.3 70B: paridad con Llama 3.1 405B a una fracción del costo computacional mediante destilación y optimización de pesosMeta presenta Llama 3.3 70B, alcanzando paridad con modelos de 405B a una fracción del costo computacional con optimización de pesos y destilación avanzada.Leer análisis completo
CroissantLLM: Télécom Paris y Hugging Face Presentan Modelo Abierto de 1.3B con Paridad Bilingüe Francés-InglésTélécom Paris y Hugging Face liberan CroissantLLM, modelo abierto de 1.3B entrenado sobre 3T de tokens con paridad bilingüe estricta entre francés e inglés.Leer análisis completo
Hugging Face Presenta LeRobot: Plataforma Abierta para Democratizar la Robótica con Aprendizaje por ImitaciónHugging Face lanza LeRobot, un marco abierto que proporciona modelos preentrenados, datasets y simulaciones para manipular robots físicos de bajo coste.Leer análisis completo
Microsoft Presenta DeepSpeed-MII: Servicio de Inferencia de Baja Latencia y Coste Mínimo para Modelos MasivosMicrosoft presenta DeepSpeed-MII, acelerando hasta 4.3x la inferencia de LLMs y reduciendo hasta 40x el coste por token mediante kernels ZeRO optimizados.Leer análisis completo
Hugging Face permite comprobar modelos en TrainiumCómo interpretar las pruebas de modelos para AWS Trainium.Leer análisis completo
Hugging Face Presenta SmolLM2: Familia de Modelos Abiertos de 135M a 1.7B para Inferencia On-Device y Agentes LocalesHugging Face publica SmolLM2 en tamaños de 135M, 360M y 1.7B parámetros, optimizados para razonamiento local, llamadas a herramientas y despliegue on-device.Leer análisis completo
Hugging Face Presenta SmolVLM: Modelo Multimodal Abierto de 2B para Video y Visión en Hardware LocalHugging Face lanza SmolVLM, modelo multimodal compacto de 2B parámetros optimizado para análisis de video, múltiples imágenes e inferencia visual on-device.Leer análisis completo
NVIDIA Presenta Nemotron-Mini-4B-Instruct: Modelo Compacto Optimizado con Destilación y Cuantización para Inferencia On-DeviceNVIDIA lanza Nemotron-Mini-4B-Instruct, SLM optimizado para PCs con IA y entornos edge con alta precisión en llamadas a funciones y razonamiento estructurado.Leer análisis completo