La división de investigación fundamental de Meta (FAIR) presentó SeamlessM4T v2, una familia de modelos fundacionales abiertos que unifica la traducción de voz a voz, voz a texto, texto a voz y texto a texto en casi 100 idiomas con preservación de prosodia y expresividad emocional.
Sigue leyendo las noticias clave de IA
Filtrar y personalizar
Meta Presenta Spirit LM: Modelo Fundacional de Código Abierto que Unifica Texto y Voz con Expresividad EmocionalMeta lanza Spirit LM, modelo fundacional de pesos abiertos que entrelaza texto y voz para generar habla expresiva con control de tono, emoción y estilo.Leer análisis completo
Reka AI Presenta Reka Core: Modelo Multimodal Frontera Independiente con Procesamiento Nativo de Texto, Video y AudioReka AI presenta Reka Core, modelo multimodal frontera de alta capacidad entrenado desde cero para razonar sobre texto, imágenes, video continuo y habla.Leer análisis completo
Meta Presenta Spirit LM: Modelo Fundacional Multimodal de Voz y Texto con Comprensión EmocionalMeta presenta Spirit LM, modelo fundacional que combina texto y voz intercalados con entonación, timbre y prosodia emocional.Leer análisis completo
NVIDIA Presenta Llama-3.1-Nemotron-70B: Modelo de Recompensas de Alta Precisión para Alineamiento de LLMsNVIDIA lanza Llama-3.1-Nemotron-70B-Reward, modelo de recompensas de alta precisión optimizado con HelpSteer2 para alinear modelos de lenguaje de frontera.Leer análisis completo
Itaú: ia.i llega a 300 mil clientes y prevé expandirseLa primera fase de ia.i en Brasil y su expansión prevista, según el caso de OpenAI.Leer análisis completo
Alibaba FunAudioLLM Presenta CosyVoice: Síntesis de Voz Multilingüe y Clonación Cero-Disparo con Control EmocionalAlibaba FunAudioLLM libera CosyVoice, modelo fundacional abierto de síntesis y clonación de voz multilingüe con control fino de emociones y prosodia.Leer análisis completo
Master Concept y Supermetrics conectan datos de marketing con IAMaster Concept y Supermetrics conectan datos de marketing con herramientas de inteligencia artificial; alcances, controles y límites de la alianza.Leer análisis completo
ByteDance Presenta Seed-TTS: Familia de Modelos de Síntesis de Voz con Clonación Cero Muestras y Expresividad HumanaByteDance introduce Seed-TTS, modelo de síntesis de voz con clonación cero muestras en 3 segundos y expresividad emocional humana fotorrealista.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
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
ByteDance Presenta Seed-Music: Modelo Fundacional de Generación Musical con Control de Timbre y Edición MultimodalByteDance introduce Seed-Music, un modelo fundacional para síntesis musical de alta fidelidad, control vocal expresivo y edición de pistas por texto.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 FAIR Presenta Lingua: Framework Abierto para Investigación y Entrenamiento Rápido de LLMsMeta FAIR libera Lingua, framework de código abierto optimizado para acelerar la investigación, evaluación y preentrenamiento de LLMs con PyTorch nativo.Leer análisis completo
AI Singapore Presenta SEA-LION 7B: Modelo Fundacional Abierto Optimizado para 11 Lenguas del Sudeste AsiáticoAI Singapore presenta SEA-LION 7B, modelo fundacional abierto entrenado sobre 11 lenguas del Sudeste Asiático con tokenizador optimizado regionalmente.Leer análisis completo
BAAI Presenta BGE-M3: Modelo Abierto de Embeddings Multilingüe y Multifuncional con Soporte para Más de 100 IdiomasLa Academia de IA de Beijing lanza BGE-M3, un modelo que unifica recuperación densa, léxica y multivectorial en 100 idiomas con ventana de 8192 tokens.Leer análisis completo
UC Berkeley Presenta Gorilla OpenFunctions v2: Modelo Abierto Especializado en Llamadas a Funciones y APIsUC Berkeley lanza Gorilla OpenFunctions v2, modelo abierto de 7B optimizado para llamadas a múltiples funciones en paralelo y ejecución de APIs complejas.Leer análisis completo