樂譜版 Shazam 來了:Songscription 上線 AI 自動扒譜工具
上週,初創公司 Songscription 推出 AI 樂譜轉錄工具,幾分鐘內就能將音訊或 YouTube 連結轉為五線譜,針對不會識譜的使用者還提供鋼琴捲簾檢視。目前鋼琴轉錄最穩定,支援免費試用,未來還將增加吉他六線譜和完整樂隊編曲。
ChatGPT、Cursor、Perplexity 等 AI 工具上了什麼新功能、出了哪些新產品,價格和開放地區有什麼變化。
上週,初創公司 Songscription 推出 AI 樂譜轉錄工具,幾分鐘內就能將音訊或 YouTube 連結轉為五線譜,針對不會識譜的使用者還提供鋼琴捲簾檢視。目前鋼琴轉錄最穩定,支援免費試用,未來還將增加吉他六線譜和完整樂隊編曲。
Google 宣佈向所有 Workspace 教育版使用者開放影片創作工具 Google Vids,並在 Google Classroom 中免費上線 30 多項 Gemini AI 工具。教師不僅能一鍵生成備課資源,後續還能借助 NotebookLM 和定製 Gems 為學生製作課件與課後輔導助手。
OpenAI 宣佈在 macOS 桌面端為 ChatGPT Pro、Enterprise 和 Edu 使用者上線「錄音模式」(Record mode)。使用者可以直接在客戶端內錄製會議或靈感,AI 會即時轉寫、提煉核心要點並生成待辦清單,直接省去人工記筆記的麻煩。
MiniMax 正式上線通用智慧體 MiniMax Agent。它主打多步規劃與複雜任務的端到端執行,支援多模態生成、工具呼叫並原生接入 MCP 協議。官方稱內部已試用 60 天,超過半數員工將其作為日常工具。
Google 在移動端上線 Search Live。它基於定製版 Gemini 模型,支援與搜尋即時語音多輪對話,螢幕還會同步給出網頁連結並支援後臺執行。最值得關注的是搜尋方式從打字變成邊聊邊查。目前僅限美國 Labs 使用者測試。
Anthropic 宣佈 Claude Code 正式支援遠端 MCP 服務端。開發者不再需要在本地配置執行環境,只需填入服務 URL 並通過原生 OAuth 授權,就能在終端裡直接呼叫 Linear、Sentry 等外部工具的資料和上下文排錯。
Canva 推出新功能「Create a Video Clip」,接入 Google 最新影片生成模型 Veo 3。使用者輸入文本提示詞即可生成 8 秒帶同步音效的電影級影片片段,並能直接在 Canva 編輯器中調整排版。付費使用者與非營利組織每月可免費生成 5 次。
Higgsfield AI 推出影像編輯功能 Canvas。使用者只需用畫筆塗抹選區並上傳產品圖,就能一鍵替換或新增物體,例如把模特手裡的香水換成自家品牌;工具還集成了 Flux Kontext,支援換背景和修圖,方便電商做商品植入。
Browserbase 正式上線基於開源框架 Stagehand 的 AI 網頁智慧體。它支援直接用自然語言控制瀏覽器執行自動化任務,全程零程式碼且免費開放。這意味著普通使用者無需編寫任何指令碼,也能快速搞定複雜的網頁自動化流程。
Adobe 正式在 iPhone 和 Android 推出 Firefly 移動應用。它不僅支援文生圖、文生影片與生成式填充等功能,還破天荒接入了 Google 的 Imagen 3/4 和 Veo 2/3 等第三方模型。所有生成內容都會自動同步到使用者的 Creative Cloud,方便在網頁或桌面應用繼續編輯。
本週起,流媒體平臺 Max 在美國智慧電視端上線主頁動態影片預覽。未來幾週內,Max 還會上線自研 AI 工具,自動從龐大片庫中抓出辨識度極高的「Drop-In Moments」精彩片段供人工挑選,大幅節省人工篩選和剪輯預覽的時間。
Cursor 推出每月 200 美元的 Ultra 方案,提供相當於 Pro 檔 20 倍的用量,專為追求用量確定的重度使用者打造。同時 Pro 檔由請求次數限制改為算力限制,放開工具呼叫上限並提供無限次 Auto 模型訪問。
Meta 在 Instagram 上線「Oakley/Meta」主頁,預告將於 6 月 20 日推出聯名智慧眼鏡。據報道,該產品面向運動員打造,預計採用 Oakley 的 Sphaera 鏡框設計,搭載單顆攝像頭以減輕重量。此舉意在將 AI 眼鏡拓展至運動追蹤領域。
ElevenLabs 為 Eleven v3 推出音訊標籤功能,讓創作者直接在臺詞中插入標籤控制語速、停頓和重音。比如寫上 [pause]、[rushed] 或 [stammers],AI 就會配合改變停頓與語氣。不過目前該功能對專業聲音克隆(PVC)支援尚不完善。
TikTok 擴充套件 Symphony 創意套件,推出圖生影片和文生影片功能,可將靜態產品圖或提示詞直接變為 5 秒品牌短片。這套工具除了在 TikTok 原生提供,還將整合進 Adobe Express 和 WPP Open,幫廣告人自動化生產素材。
Hugging Face 宣佈將 Groq 接入其推理服務商生態。開發者現在可以直接在 Hugging Face 模型頁面或通過 Python、JS SDK 呼叫 Groq 的 LPU 晶片,高速執行 Llama 4、Qwen 等開源模型,支援直接通過 HF 賬戶扣費或自填 Groq API Key。
Adobe 釋出企業級工具 Adobe LLM Optimizer。它針對 ChatGPT、Claude、Gemini 等對話式 AI,幫企業監測品牌在 AI 生成答案中的曝光情況,並自動給出最佳化建議。Adobe 稱這標誌著品牌最佳化從傳統 SEO 轉向 GEO(生成引擎最佳化)。該工具現已作為獨立產品或整合至 AEM 提供。
Reddit 在戛納創意節推出 Reddit Community Intelligence,將平臺海量討論提煉為營銷洞察。首發兩款 Alpha 工具包括 AI 聆聽工具 Reddit Insights,以及在廣告下展示使用者好評的摘要外掛,早期測試讓廣告點選率提升了 19%。
Google 在 Search Labs 推出實驗性功能 Audio Overviews。它藉助最新 Gemini 模型,能將特定搜尋結果轉成簡短的對話式語音概述,並在播放器中附上參考網頁。適合多工或不想盯螢幕時快速瞭解陌生主題。
rabbit 釋出通用 AI Agent「rabbit intern」,也是其首款無需 r1 硬體的純軟體產品。使用者輸入提示詞後,它能直接生成排版完整的網站、調研報告或小遊戲;計費放棄算力點數改按任務數量算,註冊可免費體驗 3 個任務。