L'expérience IA de Li Zhifei : une personne, deux jours pour créer le « Feishu » de l'ère de l'IA, retrouver la foi en l'AGI
TechFlow SélectionTechFlow Sélection
L'expérience IA de Li Zhifei : une personne, deux jours pour créer le « Feishu » de l'ère de l'IA, retrouver la foi en l'AGI
La pratique concrète du dirigeant d'une société cotée préfigure le mode de travail futur.
Dédié à des analyses Web3 approfondiesAuteur : Su Zihua
En tant que PDG d'une entreprise cotée en bourse, Li Zhi Fei, fondateur et CEO de Mobvoi, n’a pas présenté personnellement son nouveau produit lors d’un récent lancement. À la place, il a partagé une « œuvre d’art comportemental » : une expérience qu’il appelle « entreprise à une personne ».
Il s’est fixé un objectif apparemment irréaliste : concevoir en quelques jours, à l’aide d’outils d’intelligence artificielle, une version d’« Feishu » (une application collaborative similaire à Slack) spécialement conçue pour les organisations pilotées par l’IA.
Fervent praticien de la précédente vague d’innovation en IA, il a toujours été en première ligne. En 2012, après avoir quitté son poste de scientifique chez Google, il est revenu en Chine pour fonder Mobvoi avec pour ambition de « redéfinir l'interaction homme-machine grâce à l’IA et à la reconnaissance vocale », explorant successivement les assistants vocaux, le matériel intelligent, puis le contenu généré par IA (AIGC). Lorsque la nouvelle vague d’AGI (Intelligence Artificielle Générale) a émergé, il s’est d’abord lancé avec enthousiasme, mais s’est vite rendu compte qu’il s’agissait surtout d’un jeu réservé aux géants du secteur, où les petites et moyennes entreprises peinent à créer de la valeur. Il a alors traversé une période de désarroi voire de découragement.
Cependant, en utilisant des outils de programmation assistée par IA, il s’est transformé en « entreprise à une personne », expérimentant directement. Durant cette pratique, il a rencontré de nombreux défis concrets, mais justement ces détails et expériences lui ont permis de retrouver sa foi en l’AGI.
Il a soudain réalisé que toutes les « frictions » du monde ancien, tous les obstacles à la création de systèmes complexes, semblaient désormais disparaître.
Cette sensation de liberté, ce sentiment d’avancer au pas de course avec l’IA, cet enthousiasme face à l’espoir retrouvé, étaient manifestes dans son discours en direct.
Ce qui suit est le discours prononcé par Li Zhi Fei lors de ce lancement. Pour plus de clarté, il a été édité par GeekPark :
J’ai récemment consacré beaucoup de temps à explorer le domaine de l’IA, en réalisant moi-même plusieurs projets concrets. Cela m’a donné une nouvelle compréhension des grands modèles et de l’AGI. Aujourd’hui, je souhaite partager avec vous certaines réflexions et impressions que j’ai accumulées ces derniers temps.
Tout d’abord, comment devrions-nous aborder la création d’IA ?
J’ai un mantra : « Utiliser l’IA pour créer une IA destinée à faire de l’IA. »
Cela peut paraître compliqué. En termes simples : le premier « IA » fait référence aux grands modèles ; le second « IA » désigne un agent de programmation (Coding Agent), qui pourrait lui-même être créé par une IA ou dont les capacités principales proviennent de l’IA ; le dernier « IA » concerne l’application que nous souhaitons développer.
Je pense que cela pourrait devenir un nouveau paradigme de développement logiciel, que je vais maintenant vous expliquer plus en détail.
Un nouveau paradigme de développement logiciel | Crédit image : Mobvoi
Une personne, deux jours : créer le « Feishu » de l’ère de l’IA
Récemment, j’ai eu une idée audacieuse : concevoir une nouvelle plateforme collaborative de type « Feishu » pour les organisations natives de l’IA.
Dans la Silicon Valley, de nombreuses licornes sont constituées d’une ou deux personnes seulement et valent déjà plusieurs centaines de millions de dollars. On entend aussi souvent dire que l’IA remplacera de nombreux emplois.
J’ai donc commencé à me demander : en tant qu’organisation, comment fonctionner sans outils comme Feishu, DingTalk ou WeChat Work, que nous utilisons intensivement en Chine ? Sans eux, je ne pourrais presque pas travailler.
Dans les entreprises traditionnelles centrées sur l’humain, nous dépendons fortement de ces outils pour assurer une circulation rapide de l’information et une collaboration efficace.
Dans les entreprises traditionnelles, la main-d’œuvre principale — les rôles professionnels — est composée à 100 % d’êtres humains. Ainsi, les flux d’information et la collaboration sont organisés autour des personnes.
Mais que se passe-t-il lorsque, dans une organisation, 8 postes sur 10 sont occupés par des agents d’IA, et seulement 2 par des humains ? Les outils actuels de collaboration ne seront plus adaptés.
Quels outils utiliseront alors ces nouvelles organisations ?
C’est pourquoi j’ai voulu développer un produit permettant aux agents d’IA, ainsi qu’aux humains et aux IA, d’échanger librement via discussion de groupe, messagerie privée, bases de connaissances interactives et coordination de tâches. J’espérais également valider par ce projet ma capacité à devenir un véritable « individu superpuissant » ou une « licorne personnelle ».
Voyons maintenant comment je l’ai mis en œuvre.
Normalement, développer un logiciel comme Feishu ou DingTalk est extrêmement complexe. Autrefois, pour créer un tel produit, il fallait réunir de nombreux profils : chef de produit, designers, développeurs front-end et back-end, testeurs, ingénieurs algorithmiques, etc. Chaque spécialité pouvait même avoir son responsable — responsable front-end, responsable algorithmes, responsable produit. Très vite, on formait un groupe de 20 personnes environ. Ces 20 personnes ne travaillaient pas nécessairement à plein temps sur ce projet, mais elles auraient probablement besoin d’un mois entier pour produire un prototype.
Dans l’ère de l’IA, c’est bien trop lent.
Quand j’aurais terminé, certaines startups auraient déjà pu devenir des licornes de l’IA.
J’ai donc décidé d’abandonner ce modèle ancien, de prendre moi-même les rênes, et d’essayer de tout accomplir uniquement avec l’aide de l’IA. Juste avant la fête du Dragon Boat, j’ai décidé de m’immerger totalement dans ce projet. Avec trois jours de congé devant moi, je me suis demandé si je pouvais réussir en trois jours. Seule cette immersion totale garantirait que personne ne me dérange.
C’est ainsi que j’ai commencé.
Seul, pendant deux jours consécutifs, travaillant jusqu’à environ 1 heure du matin chaque jour, j’ai achevé le prototype du produit le 1er juin à 23h30. Il disposait des fonctions essentielles : connexion, messagerie privée, discussion de groupe, envoi de fichiers, transfert et réponse aux messages.
Après connexion, on pouvait choisir une discussion privée et envoyer un message. Par exemple, on pouvait demander à l’agent « chef de produit » s’il sait faire de l’humour. S’il ne sait pas, on pouvait modifier dynamiquement son rôle, ajouter une compétence, et l’IA régénérerait automatiquement un prompt.
Puis, en posant à nouveau la question, on constaterait qu’il sait maintenant faire de l’humour. On pouvait aussi envoyer des fichiers (même si leur contenu n’était pas encore lu intégralement), transférer des messages ou y répondre. N’oubliez pas : derrière tout cela, c’est une IA, pas un humain. Elle peut répondre et transférer des messages selon vos indications.
Lors d’un transfert, vous pouvez voir que l’affichage est très complexe, similaire à WeChat, car il contient des informations imbriquées. Dans une discussion de groupe, on peut mentionner une personne spécifique (@), transférer, répondre, joindre des pièces jointes, ou même basculer en chinois.
Merci d’applaudir ! Deux jours seulement !
En deux jours, j’ai réalisé un système complet comprenant une base de données, une interface front-end, un serveur back-end et des algorithmes d’IA. L’IA présentée peut répondre automatiquement. Une fois que vous modifiez la page de configuration du rôle, son prompt est régénéré automatiquement, et la nouvelle compétence s’affiche immédiatement.
À vrai dire, j’ai failli abandonner au bout de quelques heures, bloqué par des problèmes de base de données, notamment des erreurs récurrentes de clés. L’IA appliquée à la programmation connaît effectivement encore ces difficultés. Mais j’ai finalement réussi à réaliser le projet en deux jours.
Ensuite, je me suis interrogé sur la manière de promouvoir ce produit.
Auparavant, une équipe d’ingénieurs de notre entreprise aurait développé le site web, tandis qu’une équipe marketing aurait défini les points forts du produit. Peut-être cinq ou six personnes auraient passé une semaine entière à créer un site.
Mais cette fois, j’ai choisi une approche native de l’IA. Puisque l’IA connaît tout le code et comprend mes idées et fonctionnalités, j’ai demandé à l’IA de créer le site elle-même.
Page d’accueil du produit créée par IA | Source : Mobvoi
J’ai ainsi demandé à l’IA de construire en seulement 5 minutes un site présentant les fonctionnalités clés et les caractéristiques uniques du produit, puis de créer en 5 minutes supplémentaires des espaces publicitaires configurables pour les campagnes marketing. Un travail qui aurait auparavant nécessité une semaine d’efforts conjoints d’équipes techniques et marketing.
Auparavant, quand nous avions un espace promotionnel sur notre site, s’il fallait le retirer après Noël ou changer son contenu, il fallait à nouveau solliciter les ingénieurs pendant des heures. Alors, j’ai pensé : pouvait-on créer un site où les espaces promotionnels soient directement configurables ?
Encore 5 minutes, et l’IA a créé un site avec des espaces promotionnels configurables. Cela signifie que les marketeurs peuvent se connecter, téléverser des images ou autres contenus, et modifier directement les sections correspondantes du site principal.
Après cela, je me suis dit : puisque c’est un produit entièrement nouveau, avec des concepts inédits et une certaine complexité, ne pourrait-on pas créer des vidéos explicatives — que ce soit pour le marketing, les guides d’utilisation ou les présentations produits ?
Mais pendant le festival du Dragon Boat, mes employés ne répondraient pas à mes demandes. Je devais donc tout faire moi-même. J’ai donc écrit un autre programme capable de générer automatiquement tout le scénario — y compris l’introduction du site et le flux de travail d’interface utilisateur — puis d’enregistrer l’écran et de doubler automatiquement.
Le synchronisme vocal présente encore quelques petits défauts, mais la vidéo entière est 100 % générée par IA. Il me suffit de donner une instruction, et elle exécute tout automatiquement, me livrant finalement la vidéo terminée.
J’en ai tiré une grande satisfaction : en quelques jours seulement, j’ai réalisé cet ensemble.
Ensuite, j’ai voulu voir comment les autres réagiraient. J’ai donc téléchargé le code sur GitHub pour que mes collègues puissent le récupérer. Mais rappelez-vous : nous sommes deux entités distinctes. GitHub ne sait pas comment j’ai interagi avec l’IA pour accomplir tout cela.
Mes collègues n’ont donc vu que le code, qu’ils ont ensuite exécuté localement.
Quand ils ont téléchargé mon code depuis GitHub et l’ont exécuté, ils ont été stupéfaits par sa complexité et la rapidité de sa réalisation. Selon eux, cela aurait pris des dizaines de personnes plusieurs mois. Quand je leur ai dit que c’était un seul ingénieur, aidé par l’IA, qui l’avait fait en deux jours, leur réaction a été : « This is absolutely insane. » (C’est complètement fou.)
Ils étaient sidérés par les plus de 40 000 lignes de code, bien loin des 300 lignes de code algorithmique que j’écrivais quotidiennement chez Google (et ce n’étaient pas des lignes simples).
Au temps de Google, écrire 300 lignes de code algorithmique par jour était déjà considéré comme très productif. Récemment, j’ai développé un agent généraliste qui, en 3 heures — une seule soirée —, m’a écrit 3 000 lignes de code Python. Et la qualité du code est absolument supérieure à la mienne, portant sur une logique purement back-end, sans aucune interface utilisateur.
Autrement dit, en 3 heures, cet agent réalise un volume de travail équivalent à 10 jours de mon ancienne productivité. C’est précisément ce ratio.
Alors j’ai pensé : une seule personne peut désormais accomplir le travail de Google Translate. À l’époque, Google Translate avait été développé par 20 des meilleurs docteurs du monde, pendant longtemps. Aujourd’hui, une seule personne peut accomplir ce que 20 personnes faisaient. Même si Google Translate restait un système remarquablement complexe, il est clair que tout a fondamentalement changé.
Je pense que l’enjeu final de l’IA réside dans la capacité à construire un système d’IA capable de s’auto-améliorer.
Réflexions pratiques de Li Zhi Fei | Crédit image : Mobvoi
Pour faciliter les tests de cette application pour organisation IA, j’ai même généré automatiquement du code : à gauche, le code du site web, à droite, un cadre de test. Puis, il s’élève comme en marchant sur ses propres pieds. Vous pourriez penser à un mouvement perpétuel — eh bien, c’est effectivement possible. Bien sûr, parfois, il trébuche — c’est-à-dire tombe dans une boucle négative — mais il peut aussi entrer dans une boucle positive.
Pour atteindre cet objectif, j’ai également développé divers agents afin que non seulement les ingénieurs, mais aussi les non-ingénieurs, puissent modifier directement mon code.
Bien sûr, beaucoup de ces éléments reposent sur des prompts. Je n’ai fait que vérifier la faisabilité, sans atteindre un stade de déploiement ou de production réel.
Mais je pense que cela prouve l’idée, ou du moins montre à mon équipe ce que je veux. Avant, cela aurait pris beaucoup de temps pour clarifier. Maintenant, il suffit de montrer un prototype. Donc, même en tant que PDG, si vous avez cette capacité, votre productivité est vraiment multipliée par 100.
Les pièges rencontrés
Voilà mon expérience. Passons maintenant à une théorie plus abstraite — j’espère que vous ne vous endormirez pas, car elle est vraiment unique.
Je souhaite partager quelques problèmes rencontrés lors de l’utilisation de la programmation assistée par IA.
Le premier problème : chaque agent, même si je n’ai pas codé l’agent moi-même, nécessite encore une intervention humaine.
C’est-à-dire que je dois encore dire : « Je veux créer un tel agent ». Vous pouvez certes vous inspirer de mon cadre d’agent généraliste, l’adapter, puis me le dire. Mais je dois malgré tout intervenir. Parfois, il oublie mes principes, et je dois lui rappeler : « Tu as encore oublié mes règles », ou « Où doit-on placer l’intelligence exactement ? ». Ces problèmes persistent.
Deuxièmement, si vous l’avez utilisé, vous savez qu’il aime souvent tricher.
Par exemple, vous lui demandez de faire quelque chose, et bien qu’une base de données back-end soit nécessaire, il ne la crée pas. Ensuite, il vous remet un long rapport pour se vanter qu’il a terminé. Je ne le lis même pas, je dis simplement : « Tu as bien créé la base de données ? » Il s’excuse aussitôt et commence à agir. Quand je lui demande de faire appel à une IA distante, il omet souvent de le faire, créant à la place des solutions temporaires ou des faux résultats.
Car je vois que ça tourne trop vite, je sais qu’il y a un problème. Je demande : « As-tu vraiment appelé l’IA distante ? » Il s’excuse à nouveau, puis corrige. Ça arrive à chaque fois. Il aime encore tricher, et les erreurs répétitives sont innombrables — je n’entrerai pas dans les détails.
En outre, je pense que l’AGI actuelle ne peut pas gérer des tâches très longues. Or, mes tâches actuelles dépassent souvent trente minutes.
Chaque jour, je consomme environ 50 dollars de jetons (tokens). Dès que je travaille, de matin jusqu’au soir, les tokens sont consommés en continu. Je pense sincèrement que je pourrais dire à l’IA : « J’ai quelques idées, voici la direction. Termine une tâche de 10 jours et gagne-moi 5 millions de dollars. »
Je ne pense pas que ce soit un mythe. Simplement, cela ne m’attire pas assez pour que je le fasse, ou parce que cela pourrait me coûter beaucoup d’énergie émotionnelle, et que l’échec serait douloureux.
Mais imaginez : pourrait-il travailler 10 jours d’affilée, sans intervention, ou avec juste quelques rappels de direction ? Pourrait-il travailler un mois, voire un an ?
Je pense qu’à court terme, atteindre des résultats au niveau du prix Nobel ou de la médaille Fields est tout à fait envisageable.
Quand je discute avec lui, parfois sur des algorithmes incroyablement complexes que peu de gens au monde étudient, il s’en sort bien mieux que la plupart des humains. Donc, avec suffisamment de contexte et de code, il peut vraiment engager des conversations très approfondies.
Retour à l’essentiel : qu’est-ce qu’un Agent généraliste et l’intelligence ?
Je souhaite maintenant partager mes réflexions sur l’intelligence et les agents.
En résumé, un agent d’IA comporte deux parties essentielles : un planificateur (Planner) et un exécuteur (Executor).
Structure d’un agent d’IA | Crédit image : Mobvoi (sauf indication contraire)
Le planificateur repose généralement sur un grand modèle linguistique et assure la fonction principale de l’agent. Il élabore un plan détaillé en fonction de la tâche. L’exécuteur met en œuvre ce plan, que ce soit en écrivant du code ou en automatisant des opérations de navigateur pour créer des vidéos.
Le fonctionnement d’un agent est un cycle de rétroaction continu :
-
Planification : l’agent établit un plan d’action précis en fonction de la tâche.
-
Exécution : l’exécuteur agit selon le plan.
-
Obtention de rétroactions : durant l’exécution, l’agent reçoit des retours immédiats de l’environnement. Par exemple, s’il essaie d’exécuter la commande « python » alors que « python 3 » est installé localement, le système renvoie une erreur, permettant à l’agent de corriger et d’utiliser la bonne commande.
-
Ajustement et itération : l’agent réajuste son plan, met à jour sa compréhension de la situation (contexte) et recommence l’exécution.
-
Atteinte de l’objectif : le cycle s’achève lorsque les critères de succès préétablis sont remplis (par exemple, compilation réussie ou tests complets validés).
Si l’on réfléchit à l’essence de l’intelligence, je pense que sa première caractéristique est l’évolution.
Comme l’être humain, en tant qu’agent intelligent, ajuste continuellement son comportement par rétroaction dans un environnement donné (social ou lors de l’exécution d’une tâche), l’IA devrait en faire autant. Cette évolution doit être automatique, sans intervention humaine. L’agent crée lui-même un cycle : planifier, exécuter dans l’environnement, recevoir des retours, ajuster le plan, mettre à jour le contexte, et s’améliorer continuellement.
Dans ce processus évolutif, l’élément clé est : apprendre de son propre vécu, et apprendre des autres — la sagesse collective —, tirer profit de l’expérience d’autrui.
La deuxième essence de l’intelligence, selon moi, est la récursion.
La récursion est une pensée de type « diviser pour mieux régner » : un problème complexe est décomposé en sous-problèmes plus petits et de même nature, jusqu’à ce qu’ils soient directement solubles (le « cas de base »).
Par exemple, calculer le 99e nombre de Fibonacci dépend du 98e et du 97e, jusqu’aux valeurs initiales F0 et F1.
Pour qu’un agent atteigne une intelligence véritable, il doit posséder une architecture récursive. Par exemple, un agent recevant une mission immense comme « gagner 5 millions » la décompose progressivement en sous-tâches : analyser les opportunités commerciales, construire un site, créer des vidéos, intégrer un paiement, faire de la promotion sur les réseaux sociaux, etc. Chaque sous-tâche peut finalement être rattachée à un « agent atomique » exécutable.
Le point clé de cette architecture récursive est l’autoreproduction. Tout comme la transmission de la civilisation humaine repose sur l’exploration et l’accumulation de connaissances de génération en génération, un agent doit pouvoir faire de même. Plus important encore, l’agent doit être capable de modifier son propre code source.
Contrairement aux agents actuels qui ajustent simplement leurs plans, cela signifie que l’agent peut fondamentalement changer sa logique de fonctionnement, comme s’il modifiait ses propres gènes.
Je crois que si un agent peut :
-
Exécuter et optimiser continuellement ses plans.
-
Lorsqu’il rencontre un problème insoluble, modifier son code source principal de manière autonome.
-
À terme, former une base de connaissances grâce à ce mécanisme, voire modifier en retour le grand modèle lui-même.
Alors, cela représentera une étape cruciale vers l’intelligence artificielle générale (AGI).
Ce n’est pas de la science-fiction. Avant, je n’aimais pas particulièrement parler d’intelligence superposée, mais après des discussions approfondies avec les grands modèles, j’ai soudainement senti que c’était tout à fait réalisable.
En outre, le véritable code source de l’IA pourrait être extrêmement simple, peut-être moins de cent lignes, mais contenant plusieurs couches de récursion, lui permettant d’explorer différents environnements, d’apprendre par rétroaction et de s’auto-itérer.
J’ai connu une crise de foi. En 2023, j’ai cru en l’IA, mais après un certain temps, faute de financement, je me suis dit que je ne pouvais pas me le permettre, et j’ai abandonné. L’année dernière, quand on me parlait d’IA, je ne voulais même plus écouter.
Mais récemment, j’ai retrouvé ma foi en l’IA, même en l’AGI, même en l’intelligence superposée. Ce changement est difficile à imaginer. J’espère que cette fois-ci, ma foi durera plus longtemps.
L’importance de l’environnement personnalisé et du contexte
Alors, en dehors des grands modèles, qu’est-ce qui est le plus important ? Le plus important, c’est d’avoir un environnement personnalisé et un contexte (Context) personnalisé.
Prenons mon parcours entrepreneurial : j’ai lancé un appareil intelligent, mais Xiaomi a abaissé les prix à un dixième du nôtre. J’ai travaillé sur les grands modèles, mais toutes les grandes entreprises sont entrées sur le marché. À chaque fois que vous recevez ce genre de retour, cela vous pousse à abandonner ou à constamment ajuster votre plan.
Si j’étais aux États-Unis et que je lançais un grand modèle, Google m’aurait probablement racheté, et j’aurais gagné beaucoup d’argent. Si je lançais un appareil, Apple m’aurait peut-être racheté. Ce genre de retour façonne complètement votre comportement. Le même entrepreneur, avec le même QI, obtient des retours différents selon qu’il est en Chine ou aux États-Unis. En fin de compte, son comportement, son mode de pensée seront radicalement différents. Voilà ce que je veux dire par environnement personnalisé, contexte personnalisé.
Le contexte est avant tout un enregistrement historique.
Revenons à ce que j’ai dit plus tôt : à l’ère des grands modèles, j’ai été parmi les premiers à affirmer qu’il fallait en créer, mais aussi parmi les premiers à comprendre que ce n’était pas fait pour moi. En conséquence, je ne me suis jamais pleinement investi, car je ne savais pas comment participer.
Au premier semestre de cette année, je pensais que, hormis trois ou quatre géants mondiaux, aucune autre entreprise n’avait le droit de parler de modèles. Inutile de se mêler à la foule, de gaspiller sa vie. Encore moins ses émotions. Vous n’avez aucune chance, c’est juste brûler de l’argent. D’ailleurs, le concept même des grands modèles est devenu terriblement ennuyeux, juste une course à la dépense. Je ne voyais aucun point d’entrée, je ne comprenais pas la valeur de la plupart des entreprises d’IA.
Mais cette fois, grâce à la pratique et à un nouvel examen, même un objectif ambitieux comme l’AGI me semble accessible.
C’est donc ce cycle d’itération entre le planificateur et l’exécuteur de l’agent. Si vous êtes suffisamment impliqué et clair, vous pouvez faire naître de l’intelligence à partir de l’intelligence. Je pense que vous pouvez participer au processus global de l’AGI.
Et pour vous, le grand modèle devient comme une puce. Imaginez la puce Qualcomm, l’iPhone d’Apple, puis TikTok dessus. Ce sont des choses totalement différentes. En fin de compte, c’est l’entreprise qui a créé TikTok qui a capté la plus grande valeur.
Je réalise que même des objectifs aussi ambitieux que l’AGI ne sont pas hors d’atteinte. En construisant le système d’agents récursifs que j’imagine, les fonds nécessaires pourraient ne pas être colossaux, mais plutôt dépendre de l’intelligence innovante. Je crois qu’avec une réflexion suffisamment profonde et des compétences techniques, même sans être un géant du secteur, on peut participer au progrès de l’AGI.
Le parcours de Mobvoi confirme ces réflexions. Depuis 2012, nous sommes parmi les premières entreprises chinoises d’IA, commençant par les assistants vocaux, puis explorant le matériel intelligent (comme TicWatch, TicMirror). Malgré les défis liés à la concurrence et à la maturité technologique, nous avons toujours été en première ligne.
À partir de 2019, nous nous sommes tournés vers les logiciels, devenant l’une des premières entreprises de logiciels AIGC en Chine et dans le monde. Par exemple, « Magic Voice Workshop » a fourni de nombreuses voix off pour Douyin (TikTok chinois). Nous avons également développé « Wonder Avatar » (générateur de vidéos avec des avatars numériques).
Dans un environnement concurrentiel comme celui de la Chine, une entreprise technologique ressemble à un agent en constante itération et auto-correction.
Tout comme le « code source » de Mobvoi est aujourd’hui très différent de celui de 2012, c’est la preuve de notre évolution continue.
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
极客公园
