20 articles vérifiés sur IA vocale, les produits et le secteur.
ElevenLabs a bouclé un rachat d'actions de salariés de 300 millions de dollars à une valorisation de 22 milliards, soit le double de février, avec GIC, OTPP et Goldman Sachs parmi les nouveaux investisseurs.
Alibaba lance Qwen-Audio-3.1 avec cinq nouveaux modèles vocaux et baisse en même temps les prix du TTS, du dialogue en temps réel et de la reconnaissance, face à ElevenLabs.
Google lance Gemini 3.8 Flash TTS et Flash-Lite TTS : le clonage vocal ne nécessite que 30 secondes d'audio, mais le tarif doublera dès 2027.
Qwen3.8-LiveTranslate d'Alibaba réduit la latence moyenne par caractère à 2,3 secondes, comprend 60 langues et en parle 29, avec une page de démonstration et une API disponibles.
StepFun a présenté la série StepAudio 3 avec cinq modèles vocaux lancés le même jour ; l'ASR atteint un taux d'erreur de mots de 1,7 % en mode non streaming, à égalité en tête du classement Artificial Analysis.
OpenAI ouvre l'API du modèle vocal en full duplex GPT-Live-1, facturé 0,05 dollar la minute côté frontal, avec des performances bien supérieures à GPT-Realtime-2.1 sur l'exécution de tâches.
Tencent Hunyuan a mis en open source AuK, un modèle vocal de 1,5 milliard de paramètres sous licence MIT, qui réunit génération et édition de voix en une seule instruction ; la version AuK-Flash accélère l'inférence d'un facteur 4,5.
Gemini 3.5 Transcribe de Google atteint un taux d'erreur de mots de 2,6 % et intègre déjà le nettoyage et la mise en forme du texte, mais le prix et la limite de la séparation des locuteurs restent flous.
Qwen-Audio-3.0-Realtime ajoute l’appel d’outils à la voix en temps réel. L’article résume les faits vérifiés et le signal au-delà d’une annonce isolée.
ChatGPT Voice passe a GPT-Live est repris pour des lecteurs tech francophones, avec les chiffres, les limites produit et les points de verification essentiels.
Bland dit avoir traite 175 millions d appels l an dernier et gere desormais environ 3,5 millions d appels par semaine.
Vapi raised a $50 million Series B after Amazon Ring chose its voice AI stack over dozens of alternatives for inbound support calls.
Wispr Flow lève de nouveaux fonds pour l’IA vocale. L’article résume l’annonce, le contexte stratégique et les risques pratiques pour les utilisateurs ou entreprises concernés.
ElevenLabs porte sa Series D à plus de 550 millions de dollars pour une valorisation de 11 milliards, tandis que son ARR dans la voix AI d'entreprise bondit de 43% en trois mois.
OpenAI ajoute au Realtime API un modèle vocal qui raisonne en parlant, de la traduction en direct et de la transcription en streaming.
Le modèle grok-voice-think-fast-1.0 de xAI a atteint 67,3 % sur le τ-voice Bench, loin devant ses concurrents, et est déjà utilisé dans le système de service client de Starlink avec un taux d'automatisation de 70 %.
xAI lance l’API audio de Grok avec un faible taux d’erreur. L’article résume l’annonce, le contexte stratégique et les risques pratiques pour les utilisateurs ou entreprises concernés.
L'équipe Qwen d'Alibaba a publié Qwen3.5-Omni, son premier modèle véritablement multimodal capable de traiter texte, images, audio et vidéo dans une seule architecture, avec clonage vocal en temps réel.
Mistral a lancé Voxtral TTS, son premier modèle vocal avec 4B paramètres, poids ouverts, jugé plus naturel qu'ElevenLabs Flash v2.5 et à égalité avec ElevenLabs v3.
Google a lancé Gemini 3.1 Flash Live, un modèle natif audio vers audio qui remplace le pipeline traditionnel ASR-LLM-TTS, réduisant la latence et permettant les interruptions.