Google Docs 上线 Gemini 朗读功能:支持自然人声与变速,文档能「听」了
Google 宣布在 Google Docs 中推出由 Gemini 支持的文档朗读功能。用户可在「工具 > 音频」菜单中点击「收听此标签页」,自由切换不同自然人声并调节播放语速,方便边听边读或挑错。该功能正面向 Workspace 商业版、企业版及 Gemini 订阅用户推送。
Google 宣布在 Google Docs 中推出由 Gemini 支持的文档朗读功能。用户可在「工具 > 音频」菜单中点击「收听此标签页」,自由切换不同自然人声并调节播放语速,方便边听边读或挑错。该功能正面向 Workspace 商业版、企业版及 Gemini 订阅用户推送。
Google 宣布为 Gemini 应用引入个性化记忆,允许模型参考以往对话了解用户偏好。同时,Google 上线了「临时对话」功能,对话不计入历史、不用于模型训练且 72 小时后清除。个性化功能首批在部分国家面向 Gemini 2.5 Pro 推出。
Google 宣布在 Gemini 中上线个性化插画故事书功能。用户输入文字描述或上传儿童画、家庭照片,即可生成一本包含 10 页定制插图并自带语音朗读的绘本,支持黏土定格、像素风等多种画风与超 45 种语言。该功能已在桌面与移动端面向全球开放。
Google 宣布在 Gemini 应用中向 Google AI Ultra 订阅者开放 Deep Think 功能。该功能利用并行思考技术延长推理时间,在内部 2025 IMO 基准上达到铜牌水平,专门攻坚复杂编程与科研推导。不过目前每天有固定的提问配额,且对部分良性请求有一定拒答倾向。
Google 在 Search Labs 推出实验功能 Web Guide。它靠定制版 Gemini 和多重并发查询技术,把搜索结果按主题智能分组,更方便处理复杂的开放式提问。目前仅限加入测试的用户在 Web 标签页体验。
据报道 Meta 聘请了来自 Google DeepMind 的三位 AI 研究员 Tianhe Yu、Cosmo Du 和 Weiyue Wang。三人曾参与 Gemini 模型研发。扎克伯格正通过丰厚薪酬直接招揽顶尖人才,以加速追赶通用人工智能。
Google DeepMind 宣布搭载 Deep Think 的高阶版 Gemini 在 IMO 2025 达到金牌水准。模型在 4.5 小时内纯用自然语言答出 6 道题中的 5 道,拿下 35 分。相比去年需转换形式语言且耗费数天的系统,这次完全端到端运行,后续将推送给 Google AI Ultra 订阅者。
Windsurf 联合创始人兼 CEO Varun Mohan 及核心成员宣布加入 Google DeepMind。此前 OpenAI 拟斥资约 30 亿美元收购该团队,但因与微软的协议限制而告吹。Google 挖来他们意在补强 Gemini 的智能体编程能力。
Google 为 Gemini 推出「图生视频」功能,依托 Veo 3 模型把静态照片转成 8 秒带声音的动态短片。用户在输入框选择视频工具并上传图片即可生成。该功能目前先面向部分地区的 Google AI Pro 和 Ultra 订阅用户开放。
Google 宣布为三星 Galaxy Z Fold7、Z Flip7 和 Watch8 系列带来多项 Android AI 更新。Circle to Search 新增 AI 模式与游戏实时攻略,圈选关卡即可获得通关视频和提示;Gemini Live 则支持共享屏幕、调用折叠屏外屏相机,并深度打通三星日历、备忘录等自带应用,手表端也首次原生接入 Gemini。
Google 宣布面向全球所有 Pro 会员上线 Veo 3 视频生成功能,覆盖欧洲、印度及印尼等地区。Pro 会员每天可获得 3 次视频生成额度,额度每日自动刷新。这意味着高规格视频生成能力正式面向更广泛的消费级订阅用户放开。
Google Arts & Culture 推出 Moving Archives 项目,首期联手哈雷戴维森博物馆,借助 Veo 视频模型将百年前的静态黑白档案照转为动态短片,并由 Gemini 生成文字与语音解说。老档案不再只是泛黄的静止画面,观者能在原图与动态视频间随时切换对比。
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。
据 CNBC 报道,Google 证实正使用 YouTube 视频库训练 Gemini 与视频模型 Veo 3。虽然 YouTube 称有条款授权,但创作者根本无法选择退出自家的 AI 训练。不少创作者担忧,自己在不知情、无报酬的情况下,正在被用来训练未来可能取代自己的工具。
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。
据路透社报道,Google 正计划终止与数据标注商 Scale AI 的合作,今年原定 2 亿美元的预算将转投别家。起因是 Meta 拟入股 Scale 49% 且其 CEO 将加入 Meta;微软与 xAI 也在撤离,核心担忧在于自身模型的训练数据与路线图被对手窥探。
Open Philanthropy 研究员 Alex Lawsen 发表论文反驳苹果。他指出苹果声称模型在汉诺塔等任务中崩溃,实为触碰了 token 输出上限或遇上无解谜题。当要求写代码而非穷举步骤时,Claude 与 o3 轻松通过了 15 层汉诺塔。
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。
Google DeepMind 宣布首部与导演达伦·阿罗诺夫斯基旗下机构合作的短片《ANCESTRA》在翠贝卡电影节首映。团队将视频模型 Veo 与实拍结合,开发出运动匹配和局部加物功能,把 AI 生成的逼真新生儿无缝融入实拍镜头。这表明生成式 AI 正加速嵌进好莱坞传统制作管线。
周三晚上,预测交易平台 Kalshi 在 NBA 总决赛期间播出了一条全 AI 生成的电视广告,制作成本仅约 2000 美元。制作者利用 Google 的 Veo 3 和 Gemini 在两三天内生成并剪辑完成,号称相比传统广告制作降低了 95% 的成本。