Acompanhe as novas IAs

O Mistral Voice Agents SDK é um kit de desenvolvimento de software gerenciado que simplifica a criação de agentes de voz completos e interativos. Ele conecta em um único fluxo bidirecional as etapas de captura de microfone, transcrição de fala, raciocínio por modelo de linguagem, síntese de voz e reprodução de áudio. O SDK elimina a complexidade de integrar manualmente múltiplos componentes de pipeline de voz, permitindo que desenvolvedores construam rapidamente assistentes virtuais, sistemas de atendimento automatizado, bots de voz e outras aplicações conversacionais com interação por fala natural.

O GPT-6.1 Terra é um modelo de inteligência artificial da OpenAI otimizado para raciocínio visual, uso de computador, escrita avançada e automação profissional de alto volume. Ele representa uma evolução da série GPT-6 com melhorias significativas na capacidade de interpretar e raciocinar sobre imagens, interagir com interfaces de computador (clicar, digitar, navegar), produzir textos de alta qualidade e executar fluxos de trabalho complexos de forma autônoma. O modelo é direcionado a usuários profissionais e empresariais que precisam de automação inteligente em larga escala, combinando visão computacional, raciocínio linguístico e ação em ambientes digitais.

Claude Duet é um agente proativo da Anthropic que monitora continuamente os aplicativos e serviços conectados pelo usuário, preparando briefings inteligentes e executando tarefas em segundo plano. Diferente de um assistente reativo que responde apenas a prompts, o Duet antecipa necessidades com base no contexto das ferramentas integradas. Ele opera com controles de aprovação configuráveis, permitindo que o usuário decida quais ações podem ser executadas automaticamente e quais requerem confirmação. Inicialmente disponível como prévia de pesquisa para assinantes Claude Pro e Max nos Estados Unidos.

Integração que traz modelos frontier da OpenAI para o Model Garden do Google Cloud, permitindo que clientes empresariais do Google Cloud acessem e utilizem modelos da OpenAI diretamente na infraestrutura do Google Cloud.

UseIt Studio é um agente de design de inteligência artificial que cria projetos visuais completos mantendo os arquivos totalmente editáveis para continuidade do trabalho humano. Diferente de ferramentas que geram imagens estáticas, o UseIt produz designs estruturados em formatos editáveis que designers podem refinar e expandir. A plataforma entende briefings de design, gera layouts, paletas de cores, tipografia e componentes de interface, acelerando o processo criativo sem substituir o designer.

O Voxtral 3 é uma família de modelos de voz da Mistral AI que combina modelos de fala avançados com um SDK de agentes de voz para criar experiências conversacionais em tempo real. Ele oferece transcrição automática, síntese de voz adaptativa, uso de ferramentas durante conversas e suporte a mais de 50 idiomas. O Voxtral 3 é projetado para aplicações que exigem interação por voz natural e contínua, como assistentes virtuais, sistemas de atendimento ao cliente e interfaces de voz para aplicações. A família inclui variantes especializadas para transcrição, síntese de voz e conversas bidirecionais, todas otimizadas para diferentes casos de uso e requisitos de latência.

O Voxtral TTS Realtime 3 é um modelo de síntese de voz em streaming da Mistral AI, projetado especificamente para agentes conversacionais e aplicações de voz interativas que exigem resposta em tempo real. Ele gera fala a partir de texto com latência mínima, mantendo prosódia natural e expressão vocal adaptável ao contexto da conversação. O modelo é otimizado para diálogos bidirecionais, onde a velocidade de resposta é tão importante quanto a qualidade da voz gerada, tornando-o ideal para assistentes virtuais, bots de atendimento e sistemas de voz interativos.

O Voxtral TTS 3 é um modelo avançado de síntese de voz (text-to-speech) desenvolvido pela Mistral AI, capaz de gerar fala naturalista e expressiva a partir de texto. Suas capacidades incluem adaptação vocal para diferentes estilos e tons, clonagem de voz sem a necessidade de exemplos de áudio prévios específicos, e controles detalhados de emoção e ritmo. O modelo é projetado para criar experiências de voz altamente personalizadas em aplicações como assistentes virtuais, narração de audiobooks, conteúdo acessível e sistemas de resposta de voz interativos.

O Voxtral Small Transcribe 3 é o modelo principal de transcrição da família Voxtral 3 da Mistral AI, projetado para casos de uso que exigem maior precisão e qualidade na conversão de fala em texto. Ele processa arquivos de áudio gravados com diarização avançada, vocabulário personalizado e maior capacidade de entendimento contextual comparado à versão Mini. Ideal para transcrições profissionais, legendagem, minutas de reuniões e qualquer aplicação onde a precisão textual é crítica.

O Voxtral Mini Transcribe Realtime 3 é um modelo de transcrição contínua de baixa latência desenvolvido pela Mistral AI, projetado especificamente para aplicações de voz em tempo real e agentes conversacionais. Ele processa fluxos de áudio ao vivo com mínima latência, permitindo interações fluidas em sistemas de assistente virtual, call centers e aplicações de voz interativas. Como a versão em tempo real do modelo Mini, prioriza velocidade e resposta imediata sobre o processamento de lote.

O Voxtral Mini Transcribe 3 é um modelo de transcrição de áudio da Mistral AI, projetado para processar arquivos de áudio gravados com alta eficiência. Ele oferece recursos de diarização (identificação de diferentes falantes), suporte a vocabulário personalizado para termos técnicos ou específicos de domínio, e é otimizado para tarefas de transcrição de fala em lote. Como parte da família Voxtral 3, representa a entrada de mais baixo custo da linha, ideal para aplicações que precisam processar grandes volumes de áudio gravado de forma econômica.

Scumble é um editor de imagem de desktop open-source construído em torno de modelos de inpainting por IA. O usuário seleciona uma parte de uma imagem ou desenha caixas em uma tela vazia, descreve o que deve estar lá, e o modelo gera uma camada colorida correspondente. Suporta múltiplos modelos incluindo FLUX 3 Image, FLUX.2, GPT Image, Nano Banana, Seedream e Qwen, podendo usar chaves de API próprias ou instância local do ComfyUI. Os resultados são gerados em camadas independentes, permitindo ajustes não-destrutivos, com exportação em PSD e integração com MCP (Model Context Protocol).