17 resultados para voice AI
Domingo · 11 out
2026-10-11
1 matéria
IA
Pesquisa · IA
O avanço da voice AI ganhou força com investimentos bilionários em startups que vão de modelos a atendimento ao cliente e anotações de reuniões, mas executivos apontam que a tecnologia ainda não atingiu o “momento ChatGPT”. Shawn Wen, CTO da PolyAI, disse que a indústria já alcançou o marco dos modelos full-duplex, capazes de falar enquanto escutam, e que o próximo desafio é acelerar o raciocínio para respostas rápidas e conversas mais naturais.
Wen também defendeu que agentes de atendimento não devem soar robóticos e precisam gerar confiança ao resolver problemas nas primeiras interações. Alex Gay, CMO da Otter, destacou que identificação de falantes, captura de intenção e transcrição com conhecimento organizacional são passos-chave para automação, além da necessidade de melhorar ASR para evitar erros que prejudiquem ações futuras e a confiança dos usuários, incluindo discussões sobre transparência ao gravar chamadas.
#InteligenciaArtificial · #IA · #VoiceAI · #ASR · #AgentesDeIA · #AtendimentoAoCliente · #TranscricaoDeAudio
Domingo · 27 set
2026-09-27
1 matéria
IA
Pesquisa · IA
Pesquisadores analisaram como modelos de linguagem grandes (LLMs) produzem respostas com autodescrições, como quando incluem disclaimers do tipo “sou apenas uma IA”. O trabalho mostra que a presença do chat template funciona como um “interruptor” que aumenta esse tom de disclaimer e reduz a voz mais experiencial, como expressões do tipo “eu sinto”. O efeito foi observado em 8 modelos instruct de código aberto, com até 9B parâmetros.
Dentro das ativações de três modelos, os autores identificaram uma direção que controla esse comportamento: ao remover essa direção, o disclaimer diminui; ao adicioná-la, ele aumenta. O estudo também indica que a autodescrição gerada não deve ser tratada como literal, já que parte do que o modelo “diz sobre si” é influenciada pelo chat template e não vem apenas dos pesos do modelo.
#InteligenciaArtificial · #IA · #LLM · #ModelosDeLinguagem · #IAgenerativa · #ChatTemplate · #AIAlignment
Quarta · 23 set
2026-09-23
3 matérias
IA
Pesquisa · IA
A OpenAI anunciou a chegada de recursos “agentic” baseados em voz ao aplicativo mobile do ChatGPT, permitindo que usuários disparem fluxos de trabalho como rascunhar documentos e resumir e-mails. Assinantes Plus e Pro terão acesso à aba Work no celular para criar documentos, redigir e-mails e resumir mensagens do Slack, além de funções como construir sites, criar apresentações, usar o navegador em nuvem e acessar áreas como finanças no ChatGPT.
A empresa também disse que as conversas de voz do ChatGPT terão uma saída de texto mais rica, com possibilidade de alternar facilmente entre texto e voz. Plus poderá iniciar tarefas na conversa pelo celular e retomar no desktop, enquanto usuários Free e Go terão acesso a plugins e apps conectados; o lançamento acompanha a tendência de mais pessoas usarem comandos por voz para tarefas complexas com assistentes de IA.
#InteligenciaArtificial · #IA · #ChatGPT · #OpenAI · #AgentesDeIA · #Voz · #IAgenerativa
IA
Pesquisa · IA
O Google apresentou dois novos modelos de text-to-speech da família Gemini: o Gemini 3.8 Flash TTS e o Gemini 3.8 Flash-Lite TTS. A proposta é transformar a geração de voz em algo mais dinâmico, com mais expressividade e controle para criadores, desenvolvedores e empresas, com foco em experiências como Gemini Notebook e Google Vids.
O Gemini 3.8 Flash TTS permite criar vozes do zero a partir de prompts em linguagem natural, com direção de atuação linha a linha, suporte a geração em longos formatos e biblioteca com 2.000+ vozes prontas para produção. Já o Gemini 3.8 Flash-Lite TTS é voltado a escala e custo, com otimização para dublagem e agentes de voz expressivos; ambos chegam ao Google AI Studio para testes e criação, com recursos de consentimento e marca d’água SynthID para transparência.
#InteligenciaArtificial · #IA · #TextToSpeech · #Gemini · #GoogleAIStudio · #IAgenerativa · #VoiceAI
IA
Pesquisa · IA
A NVIDIA lançou o Nemotron 3 Diarization, um modelo open-weight com 100M de parâmetros para diarização de fala em tempo real e em gravações. Ele transforma conversas com sobreposição em dados com identificação de quem falou e quando, permitindo gerar transcrições atribuídas por participante.
O modelo alcançou o 1º lugar no VoiceArena Diarization-Bench, com 14,72% de Diarization Error Rate (DER), e suporta até oito falantes. Também foi treinado com dados públicos e licenciados, incluindo áudio licenciado da David AI, e usa processamento em blocos com opções de latência customizáveis para cenários streaming e offline.
#InteligenciaArtificial · #IA · #NVIDIA · #DiarizacaoDeFala · #ASR · #VoiceAgents · #LLM
Quinta · 17 set
2026-09-17
1 matéria
IA
Pesquisa · IA
A startup islandesa Treble levantou uma extensão de US$ 18 milhões para sua plataforma de simulação voltada à Voice AI. Fundada em 2020 por engenheiros acústicos Finnur Pind e Jesper Pedersen, a empresa teve a rodada liderada pela Paladin Capital Group, com participação de KOMPAS VC, Frumtak Ventures, EIC e Omega ehf, somando mais de US$ 40 milhões captados no total. A Treble já conta com Amazon e Logitech como clientes.
A plataforma da Treble inclui geração de dados sintéticos para tarefas como speech enhancement, noise suppression e treinamento de modelos, além de avaliação de modelos de Voice AI em diferentes condições para dar feedback a laboratórios. A empresa também trabalha com prototipagem virtual e testes de hardware sob uma perspectiva de áudio, e firmou parceria com a Hugging Face para lançar um benchmark de reconhecimento de fala em cenários realistas.
#InteligenciaArtificial · #IA · #VoiceAI · #DadosSinteticos · #SpeechRecognition · #SimulacaoDeSom · #HuggingFace
Terça · 15 set
2026-09-15
1 matéria
Eng · Dev com IA
Destaque
Engenharia · Software com IA
Agentes de voz enfrentam um problema de latência quando precisam executar tarefas reais, e Google e OpenAI lançaram soluções diferentes em poucos dias. A Google colocou no ar o Gemini 3.8 Live e o Gemini 3.8 Live Extended Thinking via Gemini API e Google AI Studio, enquanto a OpenAI lançou o GPT-Live-1 para manter a conversa em tempo real enquanto o trabalho acontece em segundo plano.
No Gemini 3.8 Live Extended Thinking, fala, raciocínio e execução de ferramentas ficam dentro de uma mesma sessão com chamadas assíncronas não bloqueantes, permitindo que o modelo continue falando. Já o GPT-Live-1 separa a conversa do raciocínio e das tool calls em uma camada de backend, exigindo mais orquestração na aplicação para coordenar contexto e lidar com interrupções, além de impactar custos e cobrança por minuto.
#InteligenciaArtificial · #IA · #AgentesDeIA · #VoiceAgents · #Latencia · #LLM · #DesenvolvimentoDeSoftware
Quinta · 10 set
2026-09-10
1 matéria
Eng · Dev com IA
Destaque
Engenharia · Software com IA
A OpenAI lançou o GPT-Live-1 na API para permitir que desenvolvedores criem agentes de voz com arquitetura full-duplex nativa, trazendo para fora o modelo de voz usado no modo de voz do ChatGPT. Em vez de exigir que equipes gerenciem toda a “cadeia” de conversão entre fala e texto, o GPT-Live-1 atua como a frente conversacional e pode delegar tarefas para outro modelo quando precisa de mais tempo ou processamento.
A delegação acontece por uma interface orientada a eventos, com geração de delegation_id e retorno do resultado via session.commentary.append, que é incorporado à conversa em andamento. A OpenAI afirma que o GPT-Live-1 tem desempenho 30 pontos percentuais melhor que o GPT-Realtime-2.1 no Full Duplex Bench e cita testes e adoções: um cliente eliminou 23.000 linhas de código após migrar, e empresas relatam menos interrupções e chamadas mais bem-sucedidas em cenários como reservas com ruído.
#InteligenciaArtificial · #IAgenerativa · #AgentesDeIA · #VozComIA · #OpenAI · #DesenvolvimentoDeSoftware
Quarta · 09 set
2026-09-09
1 matéria
IA
Destaque
Pesquisa · IA
A Listen Labs, startup de pesquisa de mercado que usa voice AI para conduzir entrevistas com clientes, assinou um term sheet para uma Series C de US$ 125 milhões, com valuation de US$ 1,5 bilhão e liderança da Menlo Ventures. O acordo, porém, não foi concluído: a empresa desistiu do term sheet assinado, em um movimento raro no mercado de venture.
A rodada teria sido interrompida por conversas de aquisição com a Salesforce, que discutiu comprar a Listen Labs por cerca de US$ 2 bilhões. A tecnologia da startup gera perguntas e realiza entrevistas por áudio ou vídeo, transformando as conversas em relatórios e apresentações para empresas que buscam reduzir tempo e custo da pesquisa de clientes.
#InteligenciaArtificial · #IA · #VoiceAI · #PesquisaDeMercado · #Salesforce · #StartupDeAI
Segunda · 07 set
2026-09-07
1 matéria
Eng · Dev com IA
Destaque
Engenharia · Software com IA
Zhou Yu, cofundador da Arklex AI e professor na Columbia University, defende que a maioria dos agentes de IA ainda fica presa em demos e não entrega valor real em produção. Ele apresenta uma abordagem baseada em simulações para testar e melhorar agentes, com foco em como levar modelos para ambientes que executam tarefas de verdade.
O conteúdo destaca exemplos de agentes conversacionais e voice agents, citando shopping agents como Sparky (Walmart) e Rufus (Amazon), além de um fluxo de atendimento por voz para recomendação e solicitação de cartão. A proposta é usar simulações para avaliar o comportamento desses agentes com ferramentas e ações, reduzindo a distância entre demonstrações e uso prático.
#InteligenciaArtificial · #IA · #AgentesDeIA · #TestesDeSoftware · #AvaliacaoDeModelos · #Simulacao · #LLM
Segunda · 31 ago
2026-08-31
1 matéria
IA
Pesquisa · IA
A startup Blue Voice, sediada em Boston, saiu da fase stealth após captar US$ 6 milhões para oferecer orientação em tempo real a policiais com base nas regras de cada departamento. A empresa foi criada por David Lawrence, ex-aluno de Harvard Law, com apoio de Amit Patankar e Michael Gropman, depois de uma discussão sobre a conduta policial gerada por um tiroteio no campus envolvendo um policial.
Hoje, agentes de 225 agências em 25 estados usam a ferramenta diariamente para consultar protocolos e leis locais durante ocorrências. A Blue Voice afirma que o sistema reduz erros ao evitar respostas genéricas e, em vez disso, aponta diretamente para regulamentos originais, além de ter sido usada para apoiar decisões como intervir em um caso envolvendo “child enticement” e exigir avaliação de saúde mental antes de retorno ao serviço após um disparo.
#InteligenciaArtificial · #IA · #IAgenerativa · #PoliciamentoComIA · #SegurancaPublica · #StartupsDeAI · #Funding
Quinta · 27 ago
2026-08-27
1 matéria
IA
Pesquisa · IA
A startup Relay, de Londres, está trazendo um app para macOS que transforma voz em texto e vai além da transcrição: o sistema remove palavras de preenchimento e pode executar ações contextuais enquanto você dita. O motor de voz-para-texto usa modelos Gemini da Google e a ativação acontece ao manter uma tecla de atalho pressionada em qualquer campo de texto.
A proposta inclui “Skills” para automatizar tarefas em apps como Slack e Google Calendar, além de permitir criar integrações próprias, mas isso exige permissões do sistema. O hardware Relay Q, voltado a captar áudio com mais fidelidade, só deve chegar no início de 2027, enquanto o app já funciona em beta com ou sem o microfone dedicado.
#InteligenciaArtificial · #IA · #VoiceToText · #Gemini · #Produtividade · #PrivacidadeDigital
Quarta · 26 ago
2026-08-26
1 matéria
IA
Pesquisa · IA
Mais de 76% dos consumidores na Índia preferem falar com empresas por ligação, segundo estudo da Truecaller, criando espaço para automação de suporte e outreach com Voice AI. A startup Ringg, que já processa 20 milhões de tentativas de chamadas por mês, anunciou um aporte de US$ 10 milhões da Peak XV Partners como extensão de sua Série A.
A Ringg havia levantado US$ 5,5 milhões na Série A no início deste ano, totalizando US$ 15,5 milhões no round. A empresa construiu agentes de voz para fluxos como agendamento em clínicas, recuperação de carrinho abandonado e verificações de onboarding/KYC em fintechs, e afirma que seu agente roda em 1.200 clínicas para a Practo, além de começar a atuar também em chat e WhatsApp.
#InteligenciaArtificial · #IA · #VoiceAI · #AgentesDeIA · #AutomacaoDeAtendimento · #StartupsDeIA · #India
Segunda · 24 ago
2026-08-24
1 matéria
IA
Destaque
Pesquisa · IA
O gr.Workflow, embutido no Gradio, transforma pipelines de IA em uma interface: você descreve etapas como um grafo de nós tipados e o sistema oferece um canvas de arrastar e soltar, com cada nó executável e resultados intermediários visíveis. O mesmo grafo também vira uma REST API e permite um deploy de uma linha para o Hugging Face Spaces.
Exemplos mostram fluxos que editam imagens com Qwen-Image-Edit, geram sticker e voiceover a partir de um prompt, criam títulos com LLM e analisam datasets via Datasets Server API, com múltiplas saídas expostas como endpoints (como /sticker, /voiceover e /episode_title). Como workflow, cada saída recebe seu próprio endpoint e pode ser chamada diretamente por código, sem abrir a interface.
#InteligenciaArtificial · #IA · #Gradio · #Workflows · #IAgenerativa · #HuggingFace · #APIs
Segunda · 17 ago
2026-08-17
1 matéria
Eng · Dev com IA
Destaque
Engenharia · Software com IA
O ElevenLabs lançou um conector hospedado MCP que permite ao Claude ler e escrever em chat agents criados com ElevenAgents, sem que o desenvolvedor precise abrir o dashboard. Com isso, é possível pedir inspeção do agente em produção, revisar o system prompt, trocar a voz e até estimar custos de uso de modelos antes de aplicar mudanças.
O conector também substitui chaves de API locais por OAuth, limitando o acesso ao workspace e às permissões aprovadas no login. Segundo a ElevenLabs, o Claude pode atualizar prompt, voz e mensagem de abertura, buscar transcrições, analisar tópicos e até deletar um agente, o que torna necessário controle de acesso e testes para simular conversas antes do deploy.
#InteligenciaArtificial · #IA · #AgentesDeIA · #Claude · #ElevenLabs · #MCP · #VoiceAgents
Terça · 11 ago
2026-08-11
1 matéria
IA
Pesquisa · IA
Sundar Pichai anunciou que o Gemini chegou a 1 bilhão de usuários ativos mensais (MAUs), superando a velocidade de adoção de qualquer outro produto do Google que também atingiu essa marca. O número considera apenas pessoas que abrem o app do Gemini ou acessam a interface web para enviar prompts ou usar o Gemini Live.
Josh Woodward, vice-presidente que acompanha o Gemini, detalhou como o chatbot vem sendo usado: 63% dos usuários ativos usam entrada por voz, com um número crescente de usuários “voice-only”. Ele também citou que, no Gemini Live, 20% compartilham feeds de câmera e telas para obter ajuda, além de uso intenso para geração de imagens, com 150 milhões de imagens por dia, todas com marca d’água via SynthID.
#InteligenciaArtificial · #IA · #Gemini · #Google · #IAgenerativa · #Chatbot · #ImagemIA
Segunda · 03 ago
2026-08-03
1 matéria
IA
Pesquisa · IA
Um drive-thru da Dairy Queen em Cary (Carolina do Norte) surpreendeu Kristen Charpentier com uma voz “boa demais para ser humana”. Segundo a Intouch Insight, em 2024 cerca de 4% das redes de fast-food nos EUA já usavam tecnologia de voz em drive-thru; em 2025, o número subiu para 5% e pesquisas iniciais apontam 6%. Cadeias como Taco Bell (IA em 890 pistas, mais de 10% das unidades) e Dairy Queen (implementação em 25 estados) seguem ampliando, enquanto White Castle usa um sistema chamado “Julia” em 12% das lojas.
Apesar das polêmicas e falhas virais nas redes sociais, como pedidos “quebrados” por clientes, a adoção continua porque as empresas dizem que a automação melhora a fluidez e reduz o tempo de atendimento. A Intouch Insight também aponta que, em média, os drive-thrus com IA atendem cerca de 21 segundos mais rápido que a indústria, e a McDonald’s voltou a testar pedidos com IA em cinco unidades, com suporte a inglês e espanhol via Google.
#IA generativa · #voice AI · #drive-thru · #automação · #atendimento ao cliente · #Intouch Insight · #SoundHound