A Apple anunciou o HomeView, uma tela inteligente de 7 polegadas que reúne entretenimento, videochamadas e controle da casa inteligente. O dispositivo estreia uma nova versão da Siri com inteligência artificial e respostas personalizadas para os moradores.
O HomeView custa US$ 299 nos EUA (cerca de R$ 1.490) e chega às vendas em 13 de novembro em mercados como Estados Unidos, Canadá, Reino Unido, Austrália, Índia e Nova Zelândia, sem previsão para o Brasil no lançamento inicial. A interface ajusta brilho e informações conforme a iluminação e a distância do usuário, identifica até seis pessoas por reconhecimento facial e integra funções como chamadas FaceTime, comandos de voz e monitoramento de até nove câmeras.
A Apple anunciou a nova geração da Apple TV 4K com inteligência artificial integrada à Siri, chip A19 e suporte a som surround com quatro alto-falantes. A assistente fica mais “conversacional”, ajudando a encontrar filmes e séries por interface em tela cheia, com cartazes e recomendações ligadas ao que o usuário pede.
A Apple TV 4K também traz três microfones de longo alcance para controlar a reprodução e buscar conteúdos sem segurar o controle remoto, além de descrições de vídeos e resumos de notificações gerados por IA com processamento local via HomeKit Secure Video. No mesmo evento, o HomePod mini 2 ganhou melhorias de áudio, novas cores e suporte futuro à Siri com IA, com reconhecimento de até seis vozes e integração com Mensagens, lembretes e temporizadores.
A Apple apresentou o novo Apple TV 4K, o primeiro modelo em quatro anos, com disponibilidade a partir de sexta-feira, 13 de novembro. O aparelho traz o chip A19 e promete conectividade sem fio melhor do que a geração anterior, além de microfones integrados.
A Siri com recursos de IA será parte do lançamento, mas deve funcionar em beta nos Apple TV 4K de segunda geração e nos modelos mais novos. O novo Find My de rastreamento funciona com o controle Siri de segunda geração e mais recentes, enquanto o preço do lançamento é de US$ 299.
O CEO da Fender, Edward “Bud” Cole, voltou a gerar repercussão ao dar uma entrevista à T3 sobre música e IA. Ele afirmou que aprender covers seria uma forma “analógica” de IA e comparou a dinâmica de uma banda (ideias de um músico somadas por outros) a como um sistema de IA “treina”. As falas reacenderam críticas após a empresa enviar cartas de cessar e desistir a construtores por alegar direitos sobre a forma do corpo de modelos como a Stratocaster.
A polêmica importa porque coloca em debate a comparação entre processos criativos humanos e treinamento de modelos com conteúdo protegido. Para o público tech e dev, o caso reforça como narrativas sobre IA na música podem influenciar percepção, confiança e discussões sobre autoria, dados e impacto no aprendizado — especialmente quando a promessa de “ajudar a criar” é contestada por efeitos de desqualificação.
A The Verge relata a disputa em torno de IA generativa treinada com obras de artistas sem consentimento e destaca a startup Pippa, lançada em maio, que tenta mudar esse modelo. A empresa diz que compensa criadores quando o estilo usado nas imagens e clipes gerados por assinantes deriva do trabalho de um artista parceiro, com valores de US$ 0,005 por imagem e US$ 0,003 por segundo de vídeo, além de participação em um pool de royalties de 5% financiado pelas assinaturas (planos de US$ 14,99 a US$ 99,99). A Pippa afirma ter cerca de 800 assinantes pagantes e acordos com quatro artistas, em processo de expansão, com um fluxo de validação para aprovar quem pode entrar.
Apesar do discurso de “ética”, a matéria aponta que a tecnologia ainda usa modelos abertos que passam por treinamento inicial com um conjunto mais amplo de conteúdo disponível na internet — ou seja, não elimina totalmente o problema de “creative theft”. Para devs e makers, o caso reforça que “pagamento” e “consentimento” precisam andar juntos: em produtos de IA, a transparência sobre dados de treino e mecanismos de compensação tende a virar requisito prático para adoção e para reduzir riscos legais e reputacionais.
Empresas que fornecem dados para treinar modelos de IA, como a ISBNdb, têm sido apontadas como fonte para alimentar LLMs com livros impressos. A justificativa é que esses materiais seriam “mais limpos”, ajudando a reduzir problemas como AI slop e melhorando a qualidade das respostas. O lado controverso é a falta de transparência nas compras em grande escala e o receio de que exemplares sejam destruídos após a digitalização, inclusive com impactos em obras raras. O tema também reacende debates sobre origem e governança dos dados usados por sistemas generativos.
