ElevenLabs 升級對話式 AI:支援語音與文字混著用,報郵箱不再靠嘴念
ElevenLabs 宣佈為 Conversational AI 平臺引入文本與語音多模態支援。AI 智慧體現在可以同時接收並處理說話與打字輸入,使用者在同一場對話中既能口頭交流,也能在輸入郵箱、卡號等易錯資訊時切換為文字輸入,以此降低純語音互動的識別錯誤率。
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。
ElevenLabs 宣佈為 Conversational AI 平臺引入文本與語音多模態支援。AI 智慧體現在可以同時接收並處理說話與打字輸入,使用者在同一場對話中既能口頭交流,也能在輸入郵箱、卡號等易錯資訊時切換為文字輸入,以此降低純語音互動的識別錯誤率。
Google 為慶祝 Google Photos 十週年推出全新編輯器。原先 Pixel 獨佔的「Reimagine」(提示詞重繪背景)和「Auto Frame」(AI 自動構圖與補全)正式下放給全體使用者。新版將於下月起面向全球 Android 裝置推送,iOS 隨後在今年晚些時候跟進。
Factory 宣佈自主軟體開發智慧體 Droids 開放通用訪問。它能整合 GitHub、Slack、Linear、Notion 和 Sentry 等完整工程鏈路,利用全流程上下文自主編寫生產級程式碼,並支援本地同步與遠端非同步兩種協作模式。
ElevenLabs 為 Conversational AI 平臺上線批次外呼功能。使用者可上傳表格匯入聯絡人並注入動態變數,藉助 Twilio 或 SIP 線路同時併發撥打數百通個性化語音電話,用於通知提醒或問卷調查,支援 API 呼叫及即時監控。
Opera 宣佈推出面向智慧體網路的瀏覽器 Opera Neon。它不僅能陪你瀏覽網頁,還能替你上網瀏覽並自主執行操作來完成任務。目前該瀏覽器處於邀請測試階段,已開放候補名單申請。
Google 為 Google Drive 推出 Gemini 影片理解功能。使用者雙擊開啟網盤裡的影片,點選右上角的「Ask Gemini」即可直接生成總結、提取會議待辦事項或亮點。該功能面向 Google One AI Premium 及 Workspace 付費使用者逐步開放,前提是需開啟影片字幕。
Anthropic 宣佈在 Claude 移動端測試語音模式,由 Sonnet 4 驅動。新功能提供 5 種聲音風格並支援即時轉錄,付費使用者還能聯動 Google Workspace。該功能將在幾週內先向英語使用者開放,免費使用者每月可發 20 至 30 條語音。
The Browser Company CEO 發文解釋停更 Arc 瀏覽器的原因。他表示 Arc 機制過於複雜且難成主流,公司決定將重心全面轉向以 AI 為核心的 Dia 瀏覽器。Arc 未來僅保留安全與維護更新,因與 Dia 共用底層架構,暫不開源或出售。
Mistral AI 正式上線 Agents API。新介面內建程式碼沙盒、聯網搜尋與生圖等聯結器,原生相容 MCP 協議,並支援會話狀態分支管理與多智慧體分工交接。也就是說,開發者無需從頭搭底座,就能直接用 Mistral 模型開發企業級智慧體。
Microsoft 將 OpenAI 的 GPT-4o 影像生成能力引入消費版 Copilot。使用者無需外部設計工具,在 Word、Excel 等應用中輸入文字即可生成高擬真圖片,支援風格調整和圖片內文字渲染。該功能上月已面向企業開放,現全面推向普通使用者。
Microsoft 開始向 Windows 11 Insider 使用者推送畫圖、截圖工具與記事本更新。畫圖新增貼紙生成和智慧摳圖,截圖工具支援 AI 智慧貼合選區,記事本則直接內建 AI 寫作功能。部分影像功能僅限 Copilot+ PC 專屬。
Anthropic 在 API 上線四項智慧體新能力公測,包括沙盒 Python 程式碼執行、直連遠端 MCP 伺服器、跨會話檔案儲存 Files API 及最長 1 小時的 Prompt 快取。開發者無需自建基建,就能讓 Claude 連續分析資料和呼叫外部工具。
xAI 推出 Live Search API 公測版。Grok 現在能即時檢索 X 平臺動態、全網網頁以及熱點新聞。最值得關注的是,該介面目前限時免費開放公測,開發者可直接呼叫文件接入聯網搜尋功能。
OpenAI 升級智慧體開發介面 Responses API,原生支援遠端 MCP 協議伺服器、gpt-image-1 影像生成與程式碼直譯器。o3 和 o4-mini 現在能在思維鏈內部直接呼叫工具並保留推理 token,大幅降低開發成本與延遲。OpenAI 還宣佈加入 MCP 指導委員會。
Shopify 推出多項 AI 工具,包括支援單條提示詞直接生成完整店面的 AI 建站功能,以及內建 AI 調節能力的新主題 Horizon。其商業助手 Sidekick 也加入語音通話與螢幕共享功能,並正式上線移動端。
Perplexity 宣佈上線 Pro Perks 會員權益,並整合 Statista、PitchBook 和 Wiley 等專業資料來源。Pro 會員可享受 Cursor、Visa 等合作方優惠,全員還能按月獲得專業資料搜尋額度。AI 搜尋正把以往昂貴的企業級資料直接交到普通人手裡。
Google 在 I/O 2025 上為 Workspace 推出多項 AI 功能。Gmail 支援用自然語言指令批次清理郵件,並結合網盤提供個性化回覆;Docs 可限定僅引用指定資料寫作;Vids 則新增 PPT 轉影片與 AI 數字人出鏡。Docs 引用功能即日上線,其餘功能未來數月開放。
Google 宣佈自主程式設計智慧體 Jules 開啟公開測試,全球免排隊免費體驗。它由 Gemini 2.5 Pro 驅動,直接接入 GitHub 倉庫在雲端獨立改程式碼、提 PR,甚至生成語音版更新日誌。開發者不用盯著它,扔進後臺就能併發幹活。
Google 宣佈將 Project Starline 升級為 3D 影片通訊平臺 Google Beam。它利用 AI 體積影片模型把普通 2D 畫面即時轉成 3D 效果,無需佩戴頭顯。首批 HP 合作硬體將在 InfoComm 亮相,並於今年晚些時候面向部分企業交付。
Google 推出 AI Mode 購物新體驗。使用者上傳一張全身照片,定製影像模型就能把服裝貼合身材「穿」在自己身上;配合新的 Agent 結賬,還能設定預算讓 AI 在降價時自動下單。虛擬試衣已在美國 Search Labs 上線。