Ola todos! ecco le notizie dedicate al mondo IA del 12 Ottobre 2026Iniziamo con VoxCPM2. Sintesi vocale open source che ha raggiunto TRENTOTTOMILA stelle su GitHub in pochi giorni. Genera voci semplicemente descrivendo il tono desiderato, clona speaker da brevi registrazioni mantenendo cadenza e velocità, e produce audio a quarantotto kilohertz.Passiamo a PersonaPlex SETTE B. NVIDIA ha rilasciato un modello conversazionale full-duplex che ascolta e parla contemporaneamente, eliminando i tempi morti tipici degli assistenti vocali. Architettura dual-stream per elaborazione e risposta in tempo reale.Nel frattempo, Google ha lanciato Foresight per Mac. Applicazione gratuita che trascrive riunioni, integra appunti manuali con il parlato registrato e recupera documenti collegati al calendario. Usa EmbeddingGemma DUE per la ricerca e Gemma QUATTRO per generare risposte, il tutto eseguito localmente senza inviare dati al cloud.Sempre attivo, DeepSeek. La versione QUATTRO PUNTO UNO Flash è ora disponibile senza filtri, con otto o sedici miliardi di parametri attivi per token, finestra di contesto da un milione di token e supporto visione. Rilasciato come open source.Da segnalare anche VoiceStudio. Alternativa open source per clonare voci, doppiare video, generare audiolibri e trascrivere audio. Supporta esecuzione locale dei modelli compatibili, senza dipendere da API esterne.A proposito di modelli, arriva Decision TRE PUNTO ZERO. Nuova famiglia di modelli decisionali multimodali open source da zero punto sei a ventisette miliardi di parametri. Si posiziona al primo posto su entrambe le classifiche Jev Decision Index.Occhio alla ricerca su attention mechanism. Un team ha dimostrato matematicamente che è possibile simulare l’attenzione senza addestramento tradizionale. La soluzione algoritmica bypassa il calcolo intensivo richiesto dai transformer, aprendo potenzialmente la strada a modelli fondazionali costruibili senza farm di server.Novità anche da Dolphin. Ha lanciato una API di inferenza basata su DeepSeek QUATTRO PUNTO UNO Flash, con prestazioni simili a Opus CINQUE ma costi inferiori del novantasette percento rispetto ai modelli frontier. Primi mille iscritti ricevono trenta dollari di crediti gratuiti.Sul fronte OCR, Baidu ha rilasciato Unlimited OCR. Modello da tre miliardi di parametri che elabora PDF fino a cento pagine in un’unica passata, senza frammentazione. Finestra di contesto da trentaduemila token, novantaquattro percento di accuratezza su test standard e costo zero per mille pagine contro i quindici dollari dei servizi cloud tradizionali.Proseguiamo con ISO GLOW. Skill per Claude che ora supporta rendering tridimensionale con Three punto JS. Include controlli orbit, snap isometrico e pulsanti funzionanti. Accetta modelli GLB esistenti per pulizia e restyling.Torniamo su Anthropic. Ha pubblicato la documentazione ufficiale per i workflow dinamici in Managed Agents. In un test con settanta bug piantati in un codebase da centosedicimila righe, un singolo agente ne ha trovati tra quattordici e ventisette. Un workflow dinamico ne ha scoperti SESSANTASEI in ogni esecuzione. I workflow possono distribuire fino a mille agenti per singola esecuzione.Valuta attenzione OpenDataLoader. Parser PDF che converte cento pagine al secondo in Markdown, funziona solo con CPU e non richiede GPU o chiavi API. Risulta quindici volte più veloce di docling e mille volte più rapido di marker, mantenendo precisione superiore sulle tabelle.Sempre da Google, EmbeddingGemma DUE. Modello di embedding multimodale da ottocentosessantacinque megabyte che permette ricerca semantica locale su video, audio, codice e PDF. Qualcuno ha costruito un’app Mac open source che lo usa per cercare contenuti in file locali, risultando più precisa di Spotlight.Chiudiamo con NVIDIA. Due miliardi di parametri. Modello audio-native che gestisce trascrizione, traduzione, riconoscimento suoni, domande su audio, text-to-speech e speech-to-speech in un unico sistema. Pesi aperti disponibili.E Microsoft. Ha rilasciato Microsoft Execution Containers, sistema di sandboxing multipiattaforma per agenti IA su Windows, Linux e macOS. Definisce tramite configurazione JSON quali file, reti e risorse di sistema un agente può accedere. Già supportato da GitHub Copilot, OpenAI Codex, Replit e OpenClaw.Trovate i link di queste notizie altri link interessanti sul mio sto ziobuddalabs punto itSalvate il video così da non perderlo, seguitemi sui miei canali social e sul nuovo podcast su spotify e mannaggia a voi se ancora non lo state facendo, condividete il video con amici e nemici e ola todos.
