Claude znalazł nowy enzym, a OpenAI pod lupą Australii

Nie wiadomo jeszcze jakie ma zastosowania. Google wprowadza dwa modele generowania mowy obsługujące ponad 100 języków i wskazówki sceniczne dla poszczególnych linii. Jeden z nich pozwala projektować głosy od zera na podstawie opisu tekstowego, określającego rolę, akcent i cechy wokalne. Biblioteka ponad 2000 gotowych głosów obejmuje warianty regionalne, m.in. hiszpański, meksykański, francuski, quebecki i angielski, szkocki. Klonowanie głosu wymaga 30-sekundowej próbki i nagranej zgody osoby klonowanej. Każdy klip ma niesłyszalny znak wodny. Modele są dostępne przez interfejs Gemini i Studio Google, a jeden z nich trafia też do aplikacji do notatek, drugi do narzędzia do montażu wideo. Do końca 2026 roku jeden z modeli kosztuje 50 centów za tekst wejściowy i 9 dolarów za audio wyjściowe za milion tokenów.

Wystarczy ustawić adres bazowy, token uwierzytelniający i nazwę modelu. Narzędzia, projekt i sposób pracy pozostają bez zmian, a rozliczenie idzie z salda DeepSeek zamiast z subskrypcji Anthropic. Inne popularne narzędzia też się łączą, m.in. przez oficjalny skrypt konfiguracyjny, własną listę dostawców czy zgodny adres bazowy. LLM stawia lokalny endpoint przed DeepSeek, Claude, GPT i Gemini z fallbackiem i widocznymi kosztami. Ollama uruchamia modele lokalnie bez API. DeepSeek Flash jest około 7-17 razy tańszy od Claude Sonnet 5 i 7-20 razy tańszy od GPT-5 . To wszystko na dziś. HeadFlash to codzienny newsletter z najważniejszymi informacjami z AI, prywatności i bezpieczeństwa. W skrzynce i w słuchawkach. Każdy news z linkiem do całości i pasującym odcinkiem podcastu.