A semana em que a IA aprendeu a falar de verdade
Essa semana a voz virou o assunto principal.
Google lançou dois modelos novos de áudio. Mistral lançou um TTS que diz bater o ElevenLabs. E a corrida para fazer IA soar como gente real de vez ficou mais séria.
Spoiler: ainda tá longe. Mas chegou perto o suficiente pra incomodar.
Você no futuro atendendo uma ligação e não sabendo se é humano ou IA. Animador.
A Semana do Google
O Google resolveu lançar um monte de coisa ao mesmo tempo essa semana. Bora por partes.
Gemini 3.1 Flash Live — voz em tempo real, sem pausa estranha
O Google lançou o Gemini 3.1 Flash Live, o modelo de áudio e voz de mais alta qualidade da empresa até agora.
O que melhorou de verdade: contexto de conversa duas vezes mais longo, menos pausa estranha entre pergunta e resposta, filtragem de ruído de fundo (trânsito, TV, barulho de rua) e suporte a mais de 90 idiomas em tempo real.
Disponível em preview para developers via Gemini Live API no AI Studio. E o Google usou o modelo pra expandir o Search Live para mais de 200 países.
E daí? Voz em tempo real ainda é o calcanhar de Aquiles de todos os assistentes. Quem resolver a “pausa estranha” de vez vai ganhar muita tração. O Google está chegando perto.
Lyria 3 Pro — músicas de 3 minutos com estrutura de verdade
O Lyria 3 era bom mas limitado: só 30 segundos de música. O Lyria 3 Pro chegou com músicas de até 3 minutos com consciência de estrutura musical.
Você fala “intro com piano, verso melancólico, refrão que levanta” e ele entende. Disponível no Gemini app (assinantes pagos), Google Vids, ProducerAI, Vertex AI e AI Studio.
Todo áudio sai com watermark SynthID. O Google usou dados licenciados pra treinar, o que até agora evitou as ações judiciais que derrubaram Suno e Udio em 2025.
E daí? Em um mês, o Google foi de Lyria 3 com 30 segundos pra Lyria 3 Pro com 3 minutos. Se o ritmo continuar, até o final do ano você vai conseguir pedir uma música completa com drop e tudo. Artistas profissionais, presta atenção.
Google Gemini App — migrando usuários do Google Assistant
O Google começou a migrar usuários do Google Assistant para o Gemini App, acelerando o fim do assistente mais antigo.
Bilhões de usuários de Android vão ter o Gemini como padrão. Não porque escolheram. Porque o Google decidiu por eles. Isso é distribuição em escala que nenhum startup consegue comprar. O Google Assistant durou uma eternidade pra empresa que joga fora produto todo mês.
Google fecha parceria com seleções nacionais de futebol
O Google anunciou parceria com diversas seleções nacionais de futebol para usar IA em análise de desempenho, treinamento e experiência do torcedor.
Mais um setor entrando em campo. Futebol tem dados, tem audiência, tem pressão por performance. É um laboratório interessante pra IA aplicada a esporte.
Mistral Voxtral TTS — open source que briga com ElevenLabs
A Mistral lançou o Voxtral TTS, primeiro modelo de text-to-speech da empresa. Open weights, 4B parâmetros, roda num smartphone.
Os números são agressivos: 68% de taxa de preferência contra o ElevenLabs Flash v2.5 em testes humanos de clonagem de voz multilíngue. Adapta uma voz nova com apenas 3 segundos de áudio de referência. Latência de ~100ms até o primeiro áudio.
Suporta 9 idiomas: inglês, francês, alemão, espanhol, holandês, português, italiano, hindi e árabe.
A Mistral está montando um stack de voz completo: Voxtral Transcribe pra entrada, modelos de linguagem pra raciocínio, e agora Voxtral TTS pra saída. Uma empresa que quer ter um pipeline de voz do início ao fim, sem depender de terceiro nenhum. E liberando tudo como open source. É a aposta europeia de soberania de IA na prática.
🔗 Mistral
Meta: pesquisa pesada essa semana
Segment Anything Model 3 — visão computacional de nova geração
A Meta lançou o SAM 3, próxima versão do modelo de segmentação de imagem mais popular do mundo.
Melhorias em precisão, velocidade e capacidade de segmentar objetos complexos em cenas ambíguas. Continua open source.
O SAM virou infraestrutura. Está dentro de dezenas de aplicações de visão computacional, robótica e criação de conteúdo. Versão nova significa que todo esse ecossistema fica mais preciso automaticamente.
🔗 Meta AI
TRIBE v2 — modelo de fundação para o cérebro humano
A Meta publicou o TRIBE v2, um modelo preditivo de fundação treinado em dados de neuroimagem do cérebro humano.
O objetivo: entender padrões de atividade cerebral da mesma forma que LLMs entendem linguagem.
Isso não é produto. É pesquisa de longo prazo. Mas a ideia de um “modelo de linguagem do cérebro” tem implicações enormes pra diagnóstico de doenças neurológicas, interfaces cérebro-computador e entendimento de como a cognição funciona. Vale acompanhar. E talvez não pensar demais nisso antes de dormir.
🔗 Meta AI
OpenAI: como a empresa pensa sobre os valores do modelo
Model Spec — a filosofia que guia o comportamento do GPT
A OpenAI publicou um texto detalhado sobre a abordagem deles ao Model Spec: o documento que define os valores, comportamentos e prioridades dos modelos.
Como o modelo decide o que fazer quando há conflito entre usuário e operador? O que significa “ser útil” quando útil pode causar dano? Como o modelo trata autonomia, honestidade e segurança?
Isso é filosofia de produto em escala de bilhões de usuários. Qualquer decisão aqui afeta como o GPT se comporta com todo mundo que usa. Vale ler se você constrói em cima de modelos de linguagem.
🔗 OpenAI
BullshitBench — o benchmark que mede o óbvio
A Arena AI publicou o BullshitBench, um benchmark criado para medir algo que todo mundo sabe mas ninguém media: a tendência dos modelos de inventar confiança.
Modelos que dizem “sim” com certeza quando não sabem, modelos que alucinam fontes, modelos que concordam com o usuário mesmo quando o usuário está errado.
Basicamente: o benchmark que mede o quanto a IA parece aquele colega que nunca admite que não sabe de nada.
A maioria dos benchmarks mede o que o modelo sabe. O BullshitBench mede o que o modelo finge que sabe. É uma distinção que importa muito quando você vai colocar um agente tomando decisões por você.
🔗 Arena AI
Para Builders
Perplexity na Samsung — busca com IA no Galaxy
A Perplexity fechou parceria com a Samsung para integrar sua API de busca com IA diretamente em dispositivos Galaxy.
A Perplexity está em todo lugar essa semana. Browser, saúde, empresa, NVIDIA e agora Samsung. Quando uma empresa começa a aparecer assim em todos os canais ao mesmo tempo, ou é expansão coordenada ou é PR agressivo. Desta vez parece coordenação de verdade.
Lovable — guia de segurança para founders
O Lovable publicou um guia prático de segurança focado em founders que estão construindo aplicações com a plataforma.
Autenticação, gestão de chaves de API, proteção de dados de usuários, permissões. Escrito para quem não tem background de segurança mas está colocando produto em produção.
Vibe coding gerou uma geração de builders que sobem produto rápido mas pensam em segurança depois. Esse guia é pra você que já subiu e agora precisa arrumar a casa antes que alguém ache a porta aberta.
🔗 Lovable
n8n + Firecrawl — dados da web em tempo real nos seus workflows
O n8n publicou um guia de integração com o Firecrawl para trazer dados da web em tempo real para fluxos de IA.
Scraping estruturado, extração de conteúdo, monitoramento de páginas. Direto no n8n, sem precisar de script separado.
Agente que não consegue ler a web em tempo real é agente limitado. Essa integração resolve isso de forma prática.
🔗 n8n Blog
Ferramentas de Ecossistema
Visa CLI — linha de comando para APIs de pagamento
O Visa CLI é uma ferramenta de linha de comando para interagir com as APIs da Visa diretamente do terminal.
Para builders que constroem com pagamentos e querem testar, debugar e automatizar fluxos sem abrir o dashboard toda hora.
CoChat — OpenClaw compartilhado para times
O CoChat é a forma mais segura de rodar o OpenClaw em equipe. Você conecta suas instâncias do OpenClaw ao CoChat e todo o time usa os mesmos agentes sem precisar tocar na sua máquina.
Agente pessoal é ótimo. Agente de time que todo mundo acessa sem virar um caos de configuração é o próximo problema a resolver. O CoChat resolve isso.
Tobira AI — rede de agentes que negocia por você
O Tobira AI dá ao seu agente um endereço público numa rede de outros agentes. A partir daí, ele descobre fundadores, investidores, parceiros e clientes através dos agentes deles, e negocia em seu nome.
Você controla o que é compartilhado: anônimo ou público, sua escolha. Nenhum dado de contato é trocado até que as duas partes aprovem. Funciona melhor com OpenClaw e Claude Cowork.
É basicamente o LinkedIn, mas onde quem faz o networking é o seu agente enquanto você dorme. Ninguém precisa saber que você odeia fazer networking.
ComfyUI + Topaz Starlight 2.5 — upscaling preciso disponível
O ComfyUI integrou o Topaz Starlight 2.5, modelo de upscaling de imagem que preserva detalhes finos sem introduzir artefatos.
Para quem trabalha com geração de imagem e precisa de resolução final de qualidade profissional.
Drop da Semana: Foil
Essa semana o destaque continua sendo o Foil, que merece mais atenção do que cabe num “também vale olhar”.
O Foil é uma ferramenta de observabilidade para agentes que vai além do log. Ele aprende o comportamento do seu agente ao longo do tempo, cria um perfil que evolui a cada execução, e detecta automaticamente alucinações, deriva de comportamento, loops e falhas de fundamentação — com contexto, não só stacktrace.
Numa semana em que o BullshitBench mostrou que modelos inventam confiança sem aviso, e os agentes estão ficando mais autônomos, saber o que o seu agente está fazendo de verdade virou necessidade, não luxo.
Pergunta do Lab
Essa semana o Google lançou voz em tempo real. A Mistral lançou TTS que clona voz em 3 segundos.
Quando a voz de IA ficar indistinguível da humana em chamadas normais, o que muda primeiro: confiança, fraude, ou relacionamentos?
Não precisa escolher só um.
Fechando o Lab
Semana de voz, pesquisa pesada e o Google lembrando que distribuição ainda é o moat mais difícil de bater.
Bilhões de usuários de Android vão ter o Gemini como padrão. Não porque escolheram. Porque o Google decidiu. Isso não é produto. É infraestrutura.
Builder que entende a diferença entre construir produto e construir infraestrutura tem uma vantagem enorme.
Nos vemos segunda que vem.
💖 Feito com IA, café e senso crítico 👉 doug.ia.br