YouTube 擴大 AI 配音功能:開放數十萬知識類頻道,支援釋出前預覽
YouTube 宣佈將 AI 自動配音功能向合作伙伴計劃中數十萬個知識與資訊類頻道開放。英語影片會自動配音為日、德、西等 8 種語言,創作者上傳後可先預覽或撤回。雖然目前聲線機械感較明顯,但官方承諾後續會改進語氣與情緒擬真度。
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。
YouTube 宣佈將 AI 自動配音功能向合作伙伴計劃中數十萬個知識與資訊類頻道開放。英語影片會自動配音為日、德、西等 8 種語言,創作者上傳後可先預覽或撤回。雖然目前聲線機械感較明顯,但官方承諾後續會改進語氣與情緒擬真度。
微軟開始面向 Windows 測試人員推送 Copilot 更新,放棄此前的 PWA 網頁版,換上類似原生應用的懸浮快速檢視介面,並支援 Alt + Space 快捷鍵隨時喚出。新體驗支援 Windows 10 與 11,不過該快捷鍵可能與系統中已佔用此組合鍵的應用衝突。
OpenAI 在「12 天連發」活動第 4 天宣佈,協作介面 Canvas 正式結束測試並向免費及付費使用者全面開放。使用者現在可以直接在介面裡執行 Python 程式碼並生成圖表,還能呼叫自定義 GPT 協助修改。目前該功能已在網頁端和 Windows 客戶端上線。
Cognition Labs 宣佈其 AI 軟體工程師 Devin 正式公開發布。個人與團隊訂閱費為每月 500 美元,包含 Slack 整合、IDE 外掛與沙盒環境,能端到端構建部署應用並自主修復 Bug。不過官方建議將單次任務控制在 3 小時內。
韓國初創公司 Spaid 展示了基於 AI 的地圖方案,核心引擎 CYLO 能將 GIS 和衛星影像快速生成 3D 地圖,整合土地、人口與交通資料用於區域分析。目前已有韓國電信巨頭開展實測,亞美尼亞政府也將其用於國家土地測繪。
Solos 推出多模態智慧眼鏡 AirGo Vision,售價 299 美元起。其內建 ChatGPT 且鏡框配有攝像頭,支援識別物體與翻譯。最巧妙的是鏡腿支援模組化拆卸,可直接換成無相機的普通鏡架規避隱私爭議,後續還將支援 Claude 與 Gemini。
今日,Yelp 推出年終產品更新,上線 Review Insights 等 20 多項新功能。該功能利用大模型從評價中提煉食物、服務與等待時間等維度的情緒得分(1 至 100 分),幫使用者快速看懂口碑。目前已在 iOS 端餐飲與夜生活板塊上線,明年擴充套件至服務類商戶。
Reddit 推出對話式 AI 搜尋「Reddit Answers」,能彙總全站公開討論並生成要點,同時直接附帶高贊原帖連結。它的定位不是給出一個標準答案,而是幫使用者導航回真實社群。目前正面向美國部分 Web 和 iOS 使用者小範圍測試。
Hugging Face 宣佈其 83 款熱門開源模型上線 Amazon Bedrock Marketplace。底層端點由 SageMaker JumpStart 託管,可無縫接入 Bedrock 的 Agents、知識庫與護欄等 API。開發者只需支付 SageMaker 算力與標準 Bedrock API 費用。
Elon Musk 旗下 xAI 的 Grok 助手面向 X 平臺所有免費使用者開放。普通使用者無需訂閱 Premium 即可體驗,限制為每兩小時最多傳送 10 條訊息。此舉意在與 ChatGPT 等競品的免費版競爭,據悉 xAI 還在考慮推出獨立 App。
微軟面向 Copilot Pro 訂閱使用者開啟 Copilot Vision 預覽測試,把它內建在 Edge 瀏覽器中。AI 能即時看懂當前網頁並與你語音交流,會話結束後會立即清除瀏覽資料。目前僅在 Copilot Labs 向部分美區使用者開放,且僅支援指定網站。
Oura 宣佈將於 12 月 11 日正式上線 Symptom Radar 功能。它通過監測靜息心率、體溫和呼吸率等指標偏離基線的情況,在身體出現明顯症狀前一兩天發出預警。該功能支援 Gen 3 和 4 代戒指,雖不做醫學診斷,但能提醒使用者儘早開啟休息模式。
OpenAI 推出 ChatGPT Pro 訂閱計劃,定價每月 200 美元。該方案提供對旗艦模型 OpenAI o1 的無限制訪問,並首發 o1 pro 模式,能呼叫更多算力深入思考複雜數學與程式碼難題。它主要面向日常需要科研級智慧的學者與工程師。
Spotify 聯合 Google 推出 2024 年度 Wrapped AI 播客。藉助 NotebookLM 的音訊概覽技術,兩位 AI 主播會像錄播客一樣暢聊你的個人聽歌偏好與音樂品味演變。不過目前僅限美、英、加等英語地區使用者限時體驗。
Google 介紹了 Chromebook 新增的 Face control 無障礙功能。它利用機器學習追蹤 478 個面部特徵點,能識別人臉動作和多達 18 種表情手勢來移動游標、完成點選等操作。該功能目前已在 ChromeOS 測試版上線,預計明年初向全部使用者推出。
ElevenLabs 推出 Conversational AI 平臺,讓開發者快速構建互動式語音智慧體。它將文本轉語音、語音識別與自選大模型打通,藉助即時預測模型優雅處理插話打斷與輪候。平臺還原生整合 Twilio 電話接入,並提供多語言 SDK。
Arc 瀏覽器母公司 The Browser Company 曝光全新 AI 瀏覽器 Dia,預計 2025 年初推出。Dia 主打用智慧游標和位址列指令替使用者代辦日常任務,比如把開啟標籤頁裡的商品批次貼進郵件,甚至自動向亞馬遜購物車加購商品。官方表示不會放棄 Arc,但堅信瀏覽器才是 AI 互動的最佳載體。
12 月 2 日,EVI 2 上線測試版功能 Voice Control,不靠提示詞也不走聲音克隆路線,而是提供自信、鼻音、鬆弛度等 10 個維度的連續滑條。最值得關注的是,調節某個特徵不會連帶影響其他屬性,開發者能在幾秒內捏出專屬聲音。
週日,AWS 在 re:Invent 上宣佈為雲聯絡中心 Amazon Connect 增加生成式 AI 功能。通過升級版助手 Amazon Q in Connect,企業無需程式設計就能構建動態自助客服,並支援內容護欄與客服評估。Fujitsu、Priceline 等已接入使用。
Hume AI 為其 EVI 2 推出 Voice Control 測試版。它繞開了提示詞描述不清和聲音克隆的侵權風險,讓使用者通過自信度、鼻音等 10 個維度的連續滑塊微調聲音,幾秒內就能捏出可穩定復現的專屬 AI 語音。不過極端引數下的音質仍在最佳化中。