Microsoft lancia modelli vocali in streaming mentre l'IA video incontra un pubblico scettico
Microsoft AI ha rilasciato MAI-Transcribe-2-Streaming e due modelli text-to-speech il 2 ottobre. L'azienda rivendica il primo posto per precisione di trascrizione su Artificial Analysis e una latenza di 150 ms per la variante MAI-Voice-2.1-Flash.

Microsoft AI ha rilasciato MAI-Transcribe-2-Streaming e due modelli text-to-speech il 2 ottobre, secondo The Decoder. Il modello di trascrizione copre 60 lingue. Restituisce risultati parziali in poco più di 100 millisecondi.
Non è un generatore di video. È il livello che decide se un presentatore sintetico sembra una persona che conversa o una registrazione. Esce nella stessa settimana in cui il fronte video dell'industria ha scoperto quanto sia dura l'ultima parte del percorso.
La promessa di realismo più facile da verificare
Tavus ha presentato Griffin il 1 ottobre. L'ha chiamato il primo "Human Interaction Model". The Decoder ha riportato lo studio condotto dall'azienda stessa: il 48 per cento dei partecipanti ha creduto che Griffin fosse una persona reale dopo una videochiamata di un minuto, contro un precedente primato del 2 per cento. Tavus afferma che un test Nvidia ha assegnato a Griffin 3,83 punti su quanto un'IA sembri umana in una conversazione audio-video. Le persone reali hanno ottenuto 3,92 e il miglior modello IA precedente 2,80.
È disponibile solo un'anteprima, Griffin-Lite, per alcuni tester selezionati. Tavus promette una versione più completa quando saranno risolte le questioni di sicurezza. Tavus è stata fondata nel 2020 e ha raccolto circa 64 milioni di dollari.
Confronta questi dati con i numeri vocali di Microsoft. MAI-Transcribe-2-Streaming costa 0,54 dollari per ora di audio a prezzo introduttivo fino alla fine dell'anno. MAI-Voice-2.1 parla 23 lingue con la stessa voce e un accento nativo per ciascuna, secondo Microsoft. La variante Flash costa 15 dollari per milione di caratteri invece di 22. Entrambi possono clonare una voce da pochi secondi di audio di riferimento. In un test Microsoft, circa la metà di 4.000 partecipanti ha pensato che le voci appartenessero a una persona reale.
I modelli video continuano a uscire, e con loro le domande
Il calendario delle uscite è affollato. La lista principale include FLUX 3 Image, descritto come capace di generazione fino a 4K, posizionamento del soggetto e modifica parziale, con una versione open source attesa nelle prossime settimane. Compare anche Seedance 2.5 di ByteDance e Kling 4.0 della controllata IA di Kuaishou. Nessuno dei due rapporti entra nei dettagli di queste uscite, quindi le informazioni precise sono scarse. Gli strumenti collegati sono documentati.
Ideogram ha dichiarato il 1 ottobre che Ideogram 4.5 toccherà solo la parte dell'immagine selezionata dall'utente. Offre quattro livelli di qualità da 0,8 a 22 centesimi per immagine e risoluzione nativa 2K, con una versione open-weight promessa. È la correzione di un difetto noto, non una nuova capacità. Le modifiche ripetute su modelli come GPT-Image 2.5 e Nano Banana lasciano ancora artefatti, secondo The Decoder.
Poi ci sono i soldi. Dealroom ha riportato il 30 settembre che Luma ha scalato 9.000 GPU in sei ore per il lancio di Dream Machine. Runway è entrata nella robotica con un modello open-weight chiamato Praxis-1, secondo Robotics & Automation News del 1 ottobre. Entrambe restano fuori dalle dieci fonti principali qui sotto perché ne compaiono solo i titoli.
"I sistemi di stoccaggio livellano i prezzi, ma non generano elettricità", ha detto Leonhard Gandhi, project manager per Energy Charts al Fraunhofer ISE, mentre il suo istituto pubblicava un simulatore per i prezzi dell'energia day-ahead tedeschi.
Parlava di batterie, non di GPU. L'analogia non è perfetta, ma il vincolo ha la stessa forma. La capacità di inferenza è un input fisico, e i precedenti mostrano cosa succede quando diventa scarsa. Il parlamento danese ha adottato il 2 ottobre un piano di emergenza per la rete che sostituisce le connessioni in ordine di arrivo con quattro categorie di priorità. I data center restano nel livello meno prioritario a meno che non siano legati a una funzione sociale critica.
Intanto il livello dei modelli continua a frammentarsi. Amazon Web Services ha rilasciato Strands Decider 2B, un modello decisionale open source, nella stessa settimana in cui OpenAI ha annunciato un'offerta simile, ha riportato TechCrunch il 1 ottobre. Cloudflare ha risposto con Clef e Clef-flash, modelli decisionali open-weight. Cloudflare afferma che battono Jev di TypeSafe su tre dei quattro benchmark della stessa TypeSafe, a 0,24 dollari per milione di token contro 0,042 di Jev. Cloudflare ha comunicato da sé quei punteggi e non sono stati riprodotti sull'indice ufficiale, come ha notato The Register.
Niente di tutto questo risolve la domanda che uno spettatore si pone nei primi due secondi di una clip sintetica: è una persona. Tavus ha un numero per rispondere. È il 48 per cento, su una chiamata di un minuto, in uno studio condotto dall'azienda stessa. Il resto del mercato parla di 2.000 milioni di parametri e di 2.000 GPU come se fossero dettagli tecnici, mentre il pubblico guarda e decide.
Fonti
15- 01Microsoft AI releases new transcription and text-to-speech models for voice agentsEN
- 02Nearly half of test subjects mistook Tavus' AI video avatar for a real person on a one-minute callEN
- 03Ideogram says its new model can edit part of an image without messing up the restEN
- 04Amazon releases its own Jev clone as decision models flood the webEN
- 05Cloudflare tries to outplay Jev with open-weight Clef modelsEN
- 06TypeSafe AI Releases Jev: A Decision-Only Model That Returns Typed Probabilities Instead of TextEN
- 07Fraunhofer ISE releases electricity price simulatorEN
- 08Denmark approves new grid connection prioritization modelEN
- 09Google releases Gemini 4 Argon, called its most powerful model yetEN
- 10Google rolls out new Gemini AI model but restricts access over safety concernsEN
- 11OpenAI scraps release of new model over safety concerns in internal testingEN
- 12OpenAI says planned GPT-6.1 is too insecure to releaseEN
- 13OpenAI abandons plan to release upcoming model as safety concerns escalateEN
- 14The NHL Is Releasing Its Own 'Hot' Fanfic. Romance Lovers Hate ItEN
- 15The Tesla Model 3 Gets A Range Bump And A New Screen In The U.S.EN
Tutti i numeri e le citazioni di questo testo provengono dalle fonti elencate sotto.
I contenuti sono stati preparati dalla redazione con il supporto dell'IA.
Commenti
0- Nessun commento — sii il primo.