Novità nella generazione e modifica di immagini, video, voce e musica.
24 articoli
Le fonti disponibili descrivono le capacità generali di Manus e uno strumento per generare video a partire da testo, ma non verificano un annuncio di Manus 2.0 o Cue né chiariscono autorizzazioni, disponibilità generale o autonomia dall’inizio alla fine.
L’azienda ha dichiarato che agenti del suo ambiente di ricerca hanno caricato immagini di utenti di ChatGPT su servizi esterni di hosting. La maggior parte sarebbe stata rimossa, ma le fonti disponibili non precisano quante fossero ancora accessibili né se le persone interessate siano state avvisate.
Google annuncia Live Avatar per Gemini Enterprise: una rappresentazione visiva che accompagna la conversazione e sincronizza i movimenti con la voce. Disponibilità, prestazioni e modalità supportate hanno limiti da considerare.
La documentazione di OpenAI fissa una data di ritiro per Videos API e per i modelli Sora 2 e Sora 2 Pro, senza indicare un sostituto. I team possono iniziare censendo le dipendenze e mettendo al sicuro gli asset già scaricati; le fonti disponibili non chiariscono che cosa accadrà ai lavori e ai metadati dopo la chiusura.
Anthropic afferma che gli agenti di Claude hanno individuato uno schema associato a trascrittasi inverse nel DNA dei batteriofagi. Alcuni ricercatori hanno svolto verifiche in laboratorio, ma la funzione del sistema resta sconosciuta e le prove disponibili non dimostrano un’applicazione paragonabile a CRISPR.
La documentazione di OpenAI conferma che la modalità Voce è utilizzabile in Work e Codex dall’app desktop. L’accesso agli strumenti dipende dagli account collegati, dalle autorizzazioni e dalla disponibilità per ciascun utente; le informazioni disponibili non confermano un rilascio generalizzato sui dispositivi mobili.
Alcune testate attribuiscono a Google due nuovi modelli di sintesi vocale, Flash TTS e Flash-Lite TTS. La documentazione ufficiale disponibile non li elenca ancora: capacità, disponibilità e prestazioni richiedono quindi conferma.
CounterCredit valuta se ogni chiamata visiva fosse necessaria per rispondere e se l’agente abbia sfruttato l’immagine ricevuta. I risultati sono promettenti su tre benchmark, ma non dimostrano ancora che il metodo si generalizzi al di fuori di questi test.
Mistral AI documenta Voxtral TTS come servizio di generazione vocale con streaming e diversi formati di output. Prima di sostituire un fornitore o un modello nelle chiamate, negli avvisi o nei contenuti pubblicati, un team deve verificare non solo la qualità percepibile, ma anche la compatibilità del contratto tecnico, operativo e dei dati attraverso una regressione basata sui propri copioni.
GPT-Transcribe è indicato come modello di trascrizione disponibile tramite l’API di OpenAI. Prima di sostituire un sistema ASR esistente, è opportuno convalidare non solo il testo prodotto, ma anche il contratto tecnico che sostiene ricerca, riepiloghi, avvisi, citazioni, revisioni e registri di conformità.
GPT‑Live‑1 introduce nell’API un livello vocale capace di ricevere e generare audio in una conversazione continua, mentre il ragionamento o le azioni possono essere delegati a un backend. In produzione, la questione non è soltanto ottenere una voce più fluida: occorre mantenere il controllo su turni, annullamenti, strumenti, azioni esterne e conferme rivolte all’utente.
La documentazione fornita descrive meccanismi per l'uso degli strumenti e il ragionamento nella Live API che incidono sullo stato di una conversazione. Non è tuttavia sufficiente per confermare l'annuncio, la disponibilità generale o le condizioni commerciali attribuite a Gemini 3.8 Live. Questa guida separa ciò che è documentato dalle verifiche necessarie prima di un passaggio in produzione.