YouTube 扩大 AI 配音功能:开放数十万知识类频道,支持发布前预览
YouTube 宣布将 AI 自动配音功能向合作伙伴计划中数十万个知识与资讯类频道开放。英语视频会自动配音为日、德、西等 8 种语言,创作者上传后可先预览或撤回。虽然目前声线机械感较明显,但官方承诺后续会改进语气与情绪拟真度。
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。
YouTube 宣布将 AI 自动配音功能向合作伙伴计划中数十万个知识与资讯类频道开放。英语视频会自动配音为日、德、西等 8 种语言,创作者上传后可先预览或撤回。虽然目前声线机械感较明显,但官方承诺后续会改进语气与情绪拟真度。
微软开始面向 Windows 测试人员推送 Copilot 更新,放弃此前的 PWA 网页版,换上类似原生应用的悬浮快速视图界面,并支持 Alt + Space 快捷键随时唤出。新体验支持 Windows 10 与 11,不过该快捷键可能与系统中已占用此组合键的应用冲突。
OpenAI 在「12 天连发」活动第 4 天宣布,协作界面 Canvas 正式结束测试并向免费及付费用户全面开放。用户现在可以直接在界面里运行 Python 代码并生成图表,还能调用自定义 GPT 协助修改。目前该功能已在网页端和 Windows 客户端上线。
Cognition Labs 宣布其 AI 软件工程师 Devin 正式公开发布。个人与团队订阅费为每月 500 美元,包含 Slack 集成、IDE 插件与沙盒环境,能端到端构建部署应用并自主修复 Bug。不过官方建议将单次任务控制在 3 小时内。
韩国初创公司 Spaid 展示了基于 AI 的地图方案,核心引擎 CYLO 能将 GIS 和卫星图像快速生成 3D 地图,整合土地、人口与交通数据用于区域分析。目前已有韩国电信巨头开展实测,亚美尼亚政府也将其用于国家土地测绘。
Solos 推出多模态智能眼镜 AirGo Vision,售价 299 美元起。其内置 ChatGPT 且镜框配有摄像头,支持识别物体与翻译。最巧妙的是镜腿支持模块化拆卸,可直接换成无相机的普通镜架规避隐私争议,后续还将支持 Claude 与 Gemini。
今日,Yelp 推出年终产品更新,上线 Review Insights 等 20 多项新功能。该功能利用大模型从评价中提炼食物、服务与等待时间等维度的情绪得分(1 至 100 分),帮用户快速看懂口碑。目前已在 iOS 端餐饮与夜生活板块上线,明年扩展至服务类商户。
Reddit 推出对话式 AI 搜索「Reddit Answers」,能汇总全站公开讨论并生成要点,同时直接附带高赞原帖链接。它的定位不是给出一个标准答案,而是帮用户导航回真实社区。目前正面向美国部分 Web 和 iOS 用户小范围测试。
Hugging Face 宣布其 83 款热门开源模型上线 Amazon Bedrock Marketplace。底层端点由 SageMaker JumpStart 托管,可无缝接入 Bedrock 的 Agents、知识库与护栏等 API。开发者只需支付 SageMaker 算力与标准 Bedrock API 费用。
Elon Musk 旗下 xAI 的 Grok 助手面向 X 平台所有免费用户开放。普通用户无需订阅 Premium 即可体验,限制为每两小时最多发送 10 条消息。此举意在与 ChatGPT 等竞品的免费版竞争,据悉 xAI 还在考虑推出独立 App。
微软面向 Copilot Pro 订阅用户开启 Copilot Vision 预览测试,把它内置在 Edge 浏览器中。AI 能实时看懂当前网页并与你语音交流,会话结束后会立即清除浏览数据。目前仅在 Copilot Labs 向部分美区用户开放,且仅支持指定网站。
Oura 宣布将于 12 月 11 日正式上线 Symptom Radar 功能。它通过监测静息心率、体温和呼吸率等指标偏离基线的情况,在身体出现明显症状前一两天发出预警。该功能支持 Gen 3 和 4 代戒指,虽不做医学诊断,但能提醒用户尽早开启休息模式。
OpenAI 推出 ChatGPT Pro 订阅计划,定价每月 200 美元。该方案提供对旗舰模型 OpenAI o1 的无限制访问,并首发 o1 pro 模式,能调用更多算力深入思考复杂数学与代码难题。它主要面向日常需要科研级智能的学者与工程师。
Spotify 联合 Google 推出 2024 年度 Wrapped AI 播客。借助 NotebookLM 的音频概览技术,两位 AI 主播会像录播客一样畅聊你的个人听歌偏好与音乐品味演变。不过目前仅限美、英、加等英语地区用户限时体验。
Google 介绍了 Chromebook 新增的 Face control 无障碍功能。它利用机器学习追踪 478 个面部特征点,能识别人脸动作和多达 18 种表情手势来移动光标、完成点击等操作。该功能目前已在 ChromeOS 测试版上线,预计明年初向全部用户推出。
ElevenLabs 推出 Conversational AI 平台,让开发者快速构建交互式语音智能体。它将文本转语音、语音识别与自选大模型打通,借助实时预测模型优雅处理插话打断与轮候。平台还原生集成 Twilio 电话接入,并提供多语言 SDK。
Arc 浏览器母公司 The Browser Company 曝光全新 AI 浏览器 Dia,预计 2025 年初推出。Dia 主打用智能游标和地址栏指令替用户代办日常任务,比如把打开标签页里的商品批量贴进邮件,甚至自动向亚马逊购物车加购商品。官方表示不会放弃 Arc,但坚信浏览器才是 AI 交互的最佳载体。
12 月 2 日,EVI 2 上线测试版功能 Voice Control,不靠提示词也不走声音克隆路线,而是提供自信、鼻音、松弛度等 10 个维度的连续滑条。最值得关注的是,调节某个特征不会连带影响其他属性,开发者能在几秒内捏出专属声音。
周日,AWS 在 re:Invent 上宣布为云联络中心 Amazon Connect 增加生成式 AI 功能。通过升级版助手 Amazon Q in Connect,企业无需编程就能构建动态自助客服,并支持内容护栏与客服评估。Fujitsu、Priceline 等已接入使用。
Hume AI 为其 EVI 2 推出 Voice Control 测试版。它绕开了提示词描述不清和声音克隆的侵权风险,让用户通过自信度、鼻音等 10 个维度的连续滑块微调声音,几秒内就能捏出可稳定复现的专属 AI 语音。不过极端参数下的音质仍在优化中。