13 articles vérifiés sur IA vocale, les produits et le secteur.
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.