乐谱版 Shazam 来了:Songscription 上线 AI 自动扒谱工具
上周,初创公司 Songscription 推出 AI 乐谱转录工具,几分钟内就能将音频或 YouTube 链接转为五线谱,针对不会识谱的用户还提供钢琴卷帘视图。目前钢琴转录最稳定,支持免费试用,未来还将增加吉他六线谱和完整乐队编曲。
ChatGPT、Cursor、Perplexity 等 AI 工具上了什么新功能、出了哪些新产品,价格和开放地区有什么变化。
上周,初创公司 Songscription 推出 AI 乐谱转录工具,几分钟内就能将音频或 YouTube 链接转为五线谱,针对不会识谱的用户还提供钢琴卷帘视图。目前钢琴转录最稳定,支持免费试用,未来还将增加吉他六线谱和完整乐队编曲。
Google 宣布向所有 Workspace 教育版用户开放视频创作工具 Google Vids,并在 Google Classroom 中免费上线 30 多项 Gemini AI 工具。教师不仅能一键生成备课资源,后续还能借助 NotebookLM 和定制 Gems 为学生制作课件与课后辅导助手。
OpenAI 宣布在 macOS 桌面端为 ChatGPT Pro、Enterprise 和 Edu 用户上线「录音模式」(Record mode)。用户可以直接在客户端内录制会议或灵感,AI 会实时转写、提炼核心要点并生成待办清单,直接省去人工记笔记的麻烦。
MiniMax 正式上线通用智能体 MiniMax Agent。它主打多步规划与复杂任务的端到端执行,支持多模态生成、工具调用并原生接入 MCP 协议。官方称内部已试用 60 天,超过半数员工将其作为日常工具。
Google 在移动端上线 Search Live。它基于定制版 Gemini 模型,支持与搜索实时语音多轮对话,屏幕还会同步给出网页链接并支持后台运行。最值得关注的是搜索方式从打字变成边聊边查。目前仅限美国 Labs 用户测试。
Anthropic 宣布 Claude Code 正式支持远程 MCP 服务端。开发者不再需要在本地配置运行环境,只需填入服务 URL 并通过原生 OAuth 授权,就能在终端里直接调用 Linear、Sentry 等外部工具的数据和上下文排错。
Canva 推出新功能「Create a Video Clip」,接入 Google 最新视频生成模型 Veo 3。用户输入文本提示词即可生成 8 秒带同步音效的电影级视频片段,并能直接在 Canva 编辑器中调整排版。付费用户与非营利组织每月可免费生成 5 次。
Higgsfield AI 推出图像编辑功能 Canvas。用户只需用画笔涂抹选区并上传产品图,就能一键替换或新增物体,例如把模特手里的香水换成自家品牌;工具还集成了 Flux Kontext,支持换背景和修图,方便电商做商品植入。
Browserbase 正式上线基于开源框架 Stagehand 的 AI 网页智能体。它支持直接用自然语言控制浏览器执行自动化任务,全程零代码且免费开放。这意味着普通用户无需编写任何脚本,也能快速搞定复杂的网页自动化流程。
Adobe 正式在 iPhone 和 Android 推出 Firefly 移动应用。它不仅支持文生图、文生视频与生成式填充等功能,还破天荒接入了 Google 的 Imagen 3/4 和 Veo 2/3 等第三方模型。所有生成内容都会自动同步到用户的 Creative Cloud,方便在网页或桌面应用继续编辑。
本周起,流媒体平台 Max 在美国智能电视端上线主页动态视频预览。未来几周内,Max 还会上线自研 AI 工具,自动从庞大片库中抓出辨识度极高的「Drop-In Moments」精彩片段供人工挑选,大幅节省人工筛选和剪辑预览的时间。
Cursor 推出每月 200 美元的 Ultra 方案,提供相当于 Pro 档 20 倍的用量,专为追求用量确定的重度用户打造。同时 Pro 档由请求次数限制改为算力限制,放开工具调用上限并提供无限次 Auto 模型访问。
Meta 在 Instagram 上线「Oakley/Meta」主页,预告将于 6 月 20 日推出联名智能眼镜。据报道,该产品面向运动员打造,预计采用 Oakley 的 Sphaera 镜框设计,搭载单颗摄像头以减轻重量。此举意在将 AI 眼镜拓展至运动追踪领域。
ElevenLabs 为 Eleven v3 推出音频标签功能,让创作者直接在台词中插入标签控制语速、停顿和重音。比如写上 [pause]、[rushed] 或 [stammers],AI 就会配合改变停顿与语气。不过目前该功能对专业声音克隆(PVC)支持尚不完善。
TikTok 扩展 Symphony 创意套件,推出图生视频和文生视频功能,可将静态产品图或提示词直接变为 5 秒品牌短片。这套工具除了在 TikTok 原生提供,还将整合进 Adobe Express 和 WPP Open,帮广告人自动化生产素材。
Hugging Face 宣布将 Groq 接入其推理服务商生态。开发者现在可以直接在 Hugging Face 模型页面或通过 Python、JS SDK 调用 Groq 的 LPU 芯片,高速运行 Llama 4、Qwen 等开源模型,支持直接通过 HF 账户扣费或自填 Groq API Key。
Adobe 发布企业级工具 Adobe LLM Optimizer。它针对 ChatGPT、Claude、Gemini 等对话式 AI,帮企业监测品牌在 AI 生成答案中的曝光情况,并自动给出优化建议。Adobe 称这标志着品牌优化从传统 SEO 转向 GEO(生成引擎优化)。该工具现已作为独立产品或集成至 AEM 提供。
Reddit 在戛纳创意节推出 Reddit Community Intelligence,将平台海量讨论提炼为营销洞察。首发两款 Alpha 工具包括 AI 聆听工具 Reddit Insights,以及在广告下展示用户好评的摘要插件,早期测试让广告点击率提升了 19%。
Google 在 Search Labs 推出实验性功能 Audio Overviews。它借助最新 Gemini 模型,能将特定搜索结果转成简短的对话式语音概述,并在播放器中附上参考网页。适合多任务或不想盯屏幕时快速了解陌生主题。
rabbit 发布通用 AI Agent「rabbit intern」,也是其首款无需 r1 硬件的纯软件产品。用户输入提示词后,它能直接生成排版完整的网站、调研报告或小游戏;计费放弃算力点数改按任务数量算,注册可免费体验 3 个任务。