Mistral AI dévoile Voxtral 3, une famille de modèles pour agents vocaux en temps réel qui réunit transcription, synthèse vocale et kit de développement d'agents. Elle gère plus de 50 langues, permet aux agents d'appeler des outils externes en pleine conversation, et peut tourner sur ses propres serveurs ou via des API hébergées dans l'UE pour garder la maîtrise des données.
La revue régulière des modèles ouverts d'Interconnects passe en revue DeepSeek V4.1 Flash 1017, de nouveaux modèles américains et les récents contrôles réglementaires aux États-Unis et en Chine. L'auteur y voit le retour en force des modèles ouverts occidentaux.
NVIDIA présente sur le blog de Hugging Face Cosmos3-H-Dreams, un outil de simulation générative destiné à reproduire des scènes de chirurgie clinique.
ElevenLabs dévoile deux modèles speech-to-speech, Mini et Max, pensés comme des agents vocaux complets. Ils sont disponibles dès maintenant et compatibles avec l'API Realtime d'OpenAI.
Scaled Cognition, qui conçoit des modèles pour les agents de service client, présente Voice, un modèle de synthèse vocale. Il prononcerait plus justement numéros de compte et adresses, pour un coût inférieur à la concurrence, via API ou en auto-hébergement.
Le patron d'OVHcloud révèle que le spécialiste français du cloud développe son propre grand modèle de langage, dont une première version pourrait sortir fin novembre.