Suno sort sa mise à jour la plus personnelle à ce jour : la fonctionnalité Voices te permet d'utiliser ta propre voix comme base de génération, Custom Models te laisse entraîner un style musical propre à ton univers, et My Taste apprend tes préférences au fil du temps pour que les suggestions collent de mieux en mieux à ce que tu cherches. C'est le premier outil de génération musicale qui sort de la logique "invite un modèle généraliste" pour proposer une véritable identité sonore personnalisée. Pour un musicien, un directeur artistique ou un créateur de contenu, c'est un changement de paradigme. → Suno v5.5
02. Google Lyria 3 Pro : L'IA génère enfin des morceaux complets de 3 minutes avec structure narrative
Lyria 3 Pro franchit un cap décisif : il génère des tracks entières de 3 minutes et comprend les instructions structurelles musicales -> "verse", "chorus", "bridge", "outro", comme un producteur les comprendrait. Jusqu'ici, les modèles musicaux produisaient des fragments cohérents mais sans architecture narrative. Lyria 3 Pro compose. Pour les créateurs de podcasts, de films, de jeux ou de contenu en général, l'accès à une musique originale, structurée et longue devient enfin réaliste sans passer par un compositeur externe. → Google Lyria 3 Pro
03. CapCut Timeline-Free Video Studio : Monter une vidéo en langage naturel, sans timeline
ByteDance fait exploser le paradigme du montage vidéo : leur nouveau Studio IA permet de créer et d'éditer des clips vidéo en décrivant ce qu'on veut en texte, sans jamais toucher une timeline traditionnelle. Tu décris une scène, tu demandes une transition, tu ajustes le rythme ; tout ça en langage courant. Pour les créateurs de contenu, les social media managers ou les réalisateurs qui travaillent vite, c'est une rupture nette avec 30 ans d'interface non linéaire. La question à se poser : à quoi sert encore la timeline si l'intention peut être exprimée directement ? → CapCut AI Studio
04. ByteDance Seedance 2.0 : Le meilleur modèle vidéo grand public est maintenant accessible à tous
Seedance 2.0, le modèle vidéo de ByteDance qui faisait l'objet de beaucoup d'attention depuis sa présentation, est enfin déployé largement via CapCut. Les résultats placent Seedance parmi les meilleurs modèles text-to-video disponibles, avec une cohérence temporelle et une qualité visuelle supérieure à la plupart des concurrents accessibles au grand public. Le fait qu'il soit intégré dans CapCut, une app déjà dans les mains de centaines de millions d'utilisateurs, signifie que la génération vidéo haut de gamme vient de devenir grand public en une seule mise à jour. → CapCut · Seedance 2.0
05. Luma Labs Uni-1 : Le premier modèle d'image qui réfléchit avant de générer
Luma Labs lance Uni-1, un modèle de génération d'image qui intègre une étape de raisonnement avant de produire le résultat. Concrètement : au lieu de générer directement depuis ton prompt, il analyse d'abord la requête, en extrait les intentions et les contraintes, puis génère. Le résultat est une bien meilleure adhérence au prompt, notamment sur les compositions complexes, les relations spatiales et les détails conceptuels. Pour les directeurs artistiques et les illustrateurs qui utilisent l'IA pour itérer sur des concepts, c'est une avancée directement utilisable — moins de regenerations, plus de précision dès le premier essai. → Luma Labs · Uni-1
06. Alibaba Wan2.7-Image : Génération, édition et rendu texte dans 12 langues en une seule image
Wan2.7-Image d'Alibaba unifie en un seul modèle ce qui nécessitait jusqu'ici plusieurs outils : génération d'image depuis un texte, édition d'image existante, et rendu de texte lisible et cohérent directement dans l'image, dans 12 langues. Le rendu de texte dans les images reste l'un des points faibles historiques de tous les modèles. Le fait qu'Alibaba le résolve à cette échelle linguistique est particulièrement significatif pour tout créatif qui produit des visuels avec du texte intégré : affiches, social media, packaging, UI. → Alibaba Wan2.7-Image
07. Veo 3.1 Lite : La vidéo générative à moitié prix, même vitesse
Google DeepMind lance Veo 3.1 Lite dans l'API Gemini et Google AI Studio : même vitesse de génération que Veo 3.1 Fast, mais à moins de 50% du prix. Text-to-video et image-to-video, 720p et 1080p, clips de 4 à 8 secondes. Une réduction supplémentaire sur Veo 3.1 Fast est prévue le 7 avril. La vidéo générative entre dans sa phase de commoditisation, le coût n'est plus un frein pour les créatifs qui veulent intégrer de la vidéo IA dans leurs workflows de production. → Google Veo 3.1 Lite
08. Mistral Voxtral : TTS multilingue basse latence avec des voix vraiment personnalisables
Mistral lance Voxtral, un modèle text-to-speech en faible latence supportant 9 langues, avec une fonctionnalité rare et utile : la personnalisation fine des voix directement dans le modèle. Ton, rythme, style — configurables. Pour les podcasteurs, les créateurs de contenu vidéo, les studios de doublage ou les développeurs d'applications vocales, c'est un outil sérieux à tester face aux offres ElevenLabs et PlayHT. L'avantage Mistral : open weights, donc déployable en local. → Mistral · Voxtral
09. Cohere Transcribe : SOTA en transcription audio multilingue, open-source
Cohere met à disposition en open-source Transcribe, présenté comme l'un des meilleurs modèles de conversion audio-vers-texte du marché, avec un support multilingue pensé pour les cas d'usage réels et non les conditions de laboratoire. Pour les créateurs qui sous-titrent, transcrivent des interviews, produisent des podcasts ou génèrent des scripts depuis des enregistrements, c'est un outil directement exploitable, et le fait qu'il soit open-source le rend intégrable dans n'importe quel workflow sans dépendance à une API payante. → Cohere · Transcribe
10. Apple FAE : La prochaine génération de modèles de diffusion s'entraîne 7x plus vite
Une recherche publiée par Apple propose Feature Auto-Encoder (FAE), une architecture qui permet aux modèles de diffusion image d'atteindre les mêmes performances que les SOTA actuels en s'entraînant environ 7 fois plus vite. La technique : compresser les embeddings d'un encodeur de vision (DINOv2) avant de les reconstruire, réduisant drastiquement la charge de calcul sans perdre la richesse sémantique. Ce n'est pas un outil disponible aujourd'hui, c'est un signal fort sur ce qui arrive. Si cette approche est adoptée, les prochains modèles grand public d'image générative seront significativement plus capables, plus rapidement. → DeepLearning.AI · Apple FAE research