Avartha affirme que son IA vocale à modèle ouvert est en tête du classement à 2,50 $ de l'heure
La startup Avartha affirme que son agent vocal Ava Zero, construit uniquement à partir de modèles ouverts, bat OpenAI, Google et xAI à l'issue de la tâche. Les chiffres sont communiqués par l'entreprise.
Une startup appelée Avartha a présenté Ava Zero, un agent vocal qui, selon elle, est entièrement construit sur des modèles ouverts. Un agent vocal est une IA capable de tenir une conversation orale et d’effectuer des tâches, telles que gérer un appel client. Avartha rapporte qu’il se classe premier sur le τ³-Voice benchmark de Sierra dans six langues, avec 86,0 % d’achèvement des tâches, devant phonic-1 (83,2 %), gpt-live-1 (79,9 %), grok-voice-think-fast-2.0 (71,4 %) et Gemini (68,5 %).
La pile est un mélange de parties ouvertes : Qwen3-ASR transforme la parole en texte, Fish Audio Drama 3 produit la voix, GLM-5.3 fait office de modèle principal et DeepSeek 4.1 Flash gère le travail backend. Avartha le prix à 2,50 $ par heure de conversation et indique que cela représente entre la moitié et le tiers des alternatives fermées comparables. Il affirme également que son moteur d’inférence, le logiciel qui exécute le modèle, gère jusqu’à un ordre de grandeur plus de conversations simultanées par GPU que vLLM et SGLang.
Lisez attentivement le tableau. Le Ava n’obtient que 25,0 % en termes d’interaction, en dessous de trois rivaux, ce qui suggère qu’il est plus faible dans les allers-retours naturels d’une conversation. En termes de qualité de génération, il obtient un score de 62,2 %, juste devant gpt-live-1 à 61,6 %. Le message n’explique pas comment les trois partitions se combinent et ne publie aucun chiffre de latence propre, même si la vitesse est cruciale dans la voix. Sa revendication de concurrence ne contient aucun détail sur la méthode ou le matériel, et aucune licence pour Ava n’est indiquée.
Ce qu’il y a derrière : Les modèles ouverts (ceux dont tout le monde peut télécharger les poids) ont rattrapé leur retard en termes de texte, et il s’agit d’une tentative de faire de même en voix. La combinaison de plusieurs modèles ouverts spécialisés peut être moins coûteuse qu’un seul modèle fermé et permet à une entreprise de garder plus de contrôle. Le problème, c’est que tous les chiffres sont communiqués par l’entreprise et qu’un benchmark est un test, pas un appel téléphonique avec un client frustré.
Ce que cela signifie pour vous : Pour la plupart des gens, rien pour l’instant. Si vous dirigez une petite entreprise et envisagez un assistant téléphonique IA, cela suggère que les prix pourraient baisser, il vaut donc la peine de comparer quelques fournisseurs. Avant d’en faire confiance, écoutez les vrais appels, vérifiez les retards, demandez quelles langues sont réellement prises en charge et lisez les termes de la licence.
Sources
Genie 4 : le modèle du monde interactif de DeepMind émet désormais également du son
Le Genie 4 de Google DeepMind, annoncé la semaine dernière, génère des mondes jouables avec audio et dialogues en temps réel. Il s'agit d'un aperçu de recherche avec une liste d'attente.
