知名蘋果爆料人Mark Gurman透露，蘋果AI有望在iOS 18.6系統(tǒng)中首次在中國(guó)大陸啟用部分功能，背后將由阿里巴巴(BABA.US)和百度(BIDU.US)提供技術(shù)支持。
OpenAI近期宣布以約30億美元收購(gòu)人工智能編碼助手Windsurf，此交易是其迄今為止最大的一筆收購(gòu)，顯示出其在AI領(lǐng)域的雄心和實(shí)力。
過去一天，國(guó)內(nèi)外AI行業(yè)還有更多熱點(diǎn)可以關(guān)注，烏鴉君帶你一起看看。
大模型
1）英偉達(dá)全新開源自動(dòng)語(yǔ)音識(shí)別模型 Parakeet-TDT-0.6B-V2，語(yǔ)音轉(zhuǎn)錄能力再提升
英偉達(dá)推出的Parakeet-TDT-0.6B-V2模型在自動(dòng)語(yǔ)音識(shí)別領(lǐng)域取得了顯著進(jìn)展。該模型結(jié)合開源理念與商業(yè)應(yīng)用，提升了轉(zhuǎn)錄效率，能夠在一秒內(nèi)完成60分鐘音頻的轉(zhuǎn)錄，且其詞錯(cuò)誤率接近市場(chǎng)領(lǐng)先水平。
通過支持多種開發(fā)環(huán)境及優(yōu)化多款GPU硬件，該模型為開發(fā)者提供了強(qiáng)大的工具，助力多樣化的語(yǔ)音應(yīng)用場(chǎng)景。
2）Suno v4.5正式上線，僅限付費(fèi)用戶使用，生成歌曲延長(zhǎng)至8分鐘
Suno音樂生成平臺(tái)推出了其最新模型v4.5，專為Pro和Premier付費(fèi)用戶設(shè)計(jì)，顯著提升了音質(zhì)、風(fēng)格多樣性和用戶體驗(yàn)。新版本支持更廣泛的音樂風(fēng)格，增強(qiáng)了聲線表現(xiàn)和音效層次，同時(shí)延長(zhǎng)了歌曲生成時(shí)長(zhǎng)至8分鐘。
盡管部分用戶對(duì)付費(fèi)限制表示遺憾，但也有人認(rèn)為這一創(chuàng)新值得訂閱。
3）Freepik 發(fā)布“F Lite”:一個(gè)為版權(quán)安全而構(gòu)建的開放 AI 圖像模型
Freepik最近推出了其文本到圖像生成模型“F Lite”，旨在為因版權(quán)問題而備受爭(zhēng)議的生成器提供合法且安全的替代方案。F Lite基于Freepik自有的商業(yè)授權(quán)圖像庫(kù)進(jìn)行訓(xùn)練，擁有約100億個(gè)參數(shù)。
盡管在生成插圖和矢量風(fēng)格作品方面表現(xiàn)出色，但在生成照片級(jí)逼真圖像時(shí)仍存在不足。
AI應(yīng)用
1）iOS18.6或?yàn)橹袊?guó)用戶啟用AI功能 國(guó)行蘋果AI或由阿里百度技術(shù)支持
知名蘋果爆料人Mark Gurman透露，蘋果AI有望在iOS 18.6系統(tǒng)中首次在中國(guó)大陸啟用部分功能，背后將由阿里巴巴(BABA.US)和百度(BIDU.US)提供技術(shù)支持。
據(jù)悉，百度的文心一言大模型將作為中國(guó)市場(chǎng)蘋果AI的核心云端智能引擎。與此同時(shí)，為確保AI內(nèi)容符合國(guó)內(nèi)法規(guī)，蘋果還將引入由阿里巴巴提供的審查機(jī)制，對(duì)AI生成內(nèi)容進(jìn)行本地合規(guī)審核。
2）Excel MCP Server上線 可通過Claude等客戶端直接操作Excel文件
一款名為Excel MCP Server的開源工具近日引發(fā)熱議。這款基于MCP模型開發(fā)的服務(wù)器，允許用戶通過AI助手直接操作Excel文件，無(wú)需安裝微軟Excel軟件即可實(shí)現(xiàn)高效的表格處理。
該工具功能強(qiáng)大，支持創(chuàng)建、讀取、修改Excel數(shù)據(jù)，生成圖表和透視表，極大地方便了用戶的表格處理工作。
3）谷歌Gemini聊天機(jī)器人全新升級(jí):支持多圖上傳和圖像編輯功能
谷歌的Gemini聊天機(jī)器人最近進(jìn)行了重要的更新，新增了多圖上傳和AI圖像編輯功能。該更新目前已向部分用戶開放，允許在網(wǎng)頁(yè)端同時(shí)上傳多張圖片，并對(duì)AI生成的圖像進(jìn)行編輯。
盡管這些功能尚未在所有賬戶中完全開放，但它們?yōu)橛脩籼峁┝烁蟮膭?chuàng)作靈活性，提升了整體用戶體驗(yàn)。
4）新一代唇形同步工具KeySync發(fā)布:突破表情泄漏與遮擋難題
近日，一款名為KeySync的創(chuàng)新唇形同步工具正式亮相，迅速引發(fā)了視頻內(nèi)容創(chuàng)作領(lǐng)域的廣泛關(guān)注。
KeySync是一款創(chuàng)新的唇形同步工具，成功解決了AI唇形同步中的表情泄漏和嘴部遮擋問題。其獨(dú)特的兩階段框架設(shè)計(jì)使得唇部動(dòng)作更加自然和精準(zhǔn)，適用于影視制作、動(dòng)畫、虛擬主播等多個(gè)領(lǐng)域。
KeySync不僅支持高分辨率視頻處理，還能自動(dòng)生成與音頻匹配的唇部動(dòng)畫，大幅提升工作效率。
5）Runway發(fā)布圖像一致性參考功能 Gen-4References 支持提取人物、場(chǎng)景或風(fēng)格特征及多圖混合
Runway最近推出的Gen-4References功能為其AI視頻生成模型增添了圖像一致性參考能力，使創(chuàng)作者能夠通過上傳參考圖像來(lái)提取人物、場(chǎng)景或風(fēng)格特征，從而在生成內(nèi)容中保持高度一致性。
這一功能支持多張圖像的混合生成，為視頻創(chuàng)作提供了更大的控制力與創(chuàng)意自由，極大地簡(jiǎn)化了設(shè)計(jì)流程，推動(dòng)了AI在影視制作領(lǐng)域的應(yīng)用。
6）Midjourney V7推出全新功能 “Omni-Reference”，讓圖像生成更靈活
Midjourney最近推出的“Omni-Reference”功能為圖像生成帶來(lái)了革命性的變化。它允許用戶對(duì)圖像元素進(jìn)行精確控制，支持多種對(duì)象生成和靈活的權(quán)重調(diào)整，從而提升創(chuàng)作的自由度和一致性。
此功能不僅適用于藝術(shù)創(chuàng)作，還能在游戲開發(fā)、廣告設(shè)計(jì)等多個(gè)領(lǐng)域發(fā)揮重要作用，展示出廣泛的應(yīng)用潛力。
7）Claude AI將升級(jí):網(wǎng)頁(yè)版醞釀支持MCP定制鏈接
近日，科技媒體TestingCatalog報(bào)道，Anthropic旗下的Claude網(wǎng)頁(yè)應(yīng)用將通過引入Model Context Protocol（MCP）進(jìn)行重大升級(jí)。這一新協(xié)議旨在打破Claude在谷歌服務(wù)方面的限制，預(yù)計(jì)將為用戶提供更靈活的使用體驗(yàn)。
MCP作為一種開放標(biāo)準(zhǔn)，將簡(jiǎn)化大型語(yǔ)言模型與外部數(shù)據(jù)源和工具之間的通信，提升AI助手的集成能力。
8）Claude 移動(dòng)應(yīng)用即將推出語(yǔ)音模式，支持多種聲音選項(xiàng)
Claude 移動(dòng)應(yīng)用即將進(jìn)行重要升級(jí)，推出備受期待的語(yǔ)音模式功能。該模式采用推按式對(duì)話，支持多種聲音選項(xiàng)，并具備網(wǎng)頁(yè)搜索能力，搜索結(jié)果以要點(diǎn)形式呈現(xiàn)，便于用戶理解和跟進(jìn)。
此外，用戶可以上傳文件作為上下文參考，提升了交互體驗(yàn)。
投融資情報(bào)
1）OpenAI同意以30億美元收購(gòu)AI編碼助Windsurf
OpenAI近期宣布以約30億美元收購(gòu)人工智能編碼助手Windsurf，此交易是其迄今為止最大的一筆收購(gòu)，顯示出其在AI領(lǐng)域的雄心和實(shí)力。
Windsurf的技術(shù)在開發(fā)者社區(qū)中備受推崇，此次收購(gòu)可能會(huì)引發(fā)行業(yè)內(nèi)的廣泛討論，尤其是在OpenAI與其他AI編碼助手之間的競(jìng)爭(zhēng)關(guān)系上。
2）OpenAI 重返非營(yíng)利模式，終止?fàn)I利性實(shí)體控制機(jī)制
OpenAI 宣布重返非營(yíng)利模式，結(jié)束營(yíng)利性實(shí)體的控制，重組為公益公司。這一變動(dòng)回應(yīng)了外界對(duì)其商業(yè)化的擔(dān)憂，尤其是來(lái)自埃隆·馬斯克的批評(píng)。
新的治理結(jié)構(gòu)將確保社會(huì)效益透明，同時(shí)允許繼續(xù)吸引風(fēng)險(xiǎn)投資。OpenAI 計(jì)劃利用這一模式成為全球最大的慈善實(shí)體之一，預(yù)計(jì)2024年?duì)I收將突破20億美元。
整理/宇霽
PS：如果你對(duì)AI大模型領(lǐng)域有獨(dú)特的看法，歡迎掃碼加入我們的大模型交流群。
熱門跟貼