Google 上線 Mac 原生 Gemini:快捷鍵撥出、支援螢幕分析
Google 正式推出 macOS 原生版 Gemini 應用,面向 macOS 15 及以上使用者免費開放。使用者可通過 Option + Space 快捷鍵隨時喚醒,支援共享螢幕分析本地檔案或圖表,並集成了 Nano Banana 繪圖與 Veo 影片生成能力。
Google 正式推出 macOS 原生版 Gemini 應用,面向 macOS 15 及以上使用者免費開放。使用者可通過 Option + Space 快捷鍵隨時喚醒,支援共享螢幕分析本地檔案或圖表,並集成了 Nano Banana 繪圖與 Veo 影片生成能力。
3 月,YouTube 開始向用戶發放問卷,直接詢問觀看的影片是否讓人覺得是「AI 垃圾內容(AI slop)」。問卷提供從「完全不是」到「極其嚴重」的五檔選項,以收集反饋打擊粗製濫造的純 AI 影片。不過官方尚未說明被反覆標記的影片會面臨何種降權處罰。
Google Labs 為工作流工具 Opal 上線 Agent 步驟。使用者不再需要手動選模型,智慧體會根據目標自主挑選工具與模型(如搜尋或 Veo),並支援跨會話記憶、動態分支和互動式追問。這意味著搭 AI 應用從死板的單向呼叫,變成了能跟人協作調優的動態流程。
Google 為 Gemini 應用推出影片模板功能。使用者在工具選單選擇「Create video」即可挑選賽博朋克、動作英雄等預設風格,還能上傳人物或寵物照片直接當主角,並支援 9:16 豎屏輸出。使用者不再需要手寫複雜提示詞,降低了做短影片的門檻。
Google DeepMind 聯合前皮克斯動畫師製作的短片在聖丹斯電影節展出。團隊棄用單純文字生成,改用草圖與粗剪驅動 Veo 和 Imagen,實現區域性重繪與風格微調。最值得關注的是,這套工作流證明了專業動畫不必向 AI 的隨機性妥協。
據 The Verge 報道,迪士尼向 Google 傳送停終信,指控 Gemini、Veo 等 AI 模型大規模侵權,未經授權生成《冰雪奇緣》、漫威和星戰角色充當「虛擬自動售貨機」。而在此前一天,迪士尼剛與 OpenAI 達成十億美元級交易授權 Sora 使用旗下 200 多個角色。Google 則回應稱使用了公開網頁資料,並具備版權控制機制。
週二,OpenCV 創始人打造的影片初創公司 CraftStory 宣佈完成 200 萬美元融資並推出 Model 2.0。該模型採用並行擴散架構,能生成長達 5 分鐘的人物影片,突破了競品普遍僅能生成數秒或 25 秒的限制。目前它採用影片驅動靜態圖的模式,生成 30 秒片段約需 15 分鐘。
頂流創作者 MrBeast 發文表示,AI 生成影片正威脅數百萬靠內容謀生的創作者,稱行業迎來「可怕的時刻」。隨著 OpenAI 推出 Sora 2 應用,頭部創作者也開始公開擔憂自身業務前景,中小創作者的生存焦慮正變得更加真實。
Google 宣佈為旗下影片應用 Google Vids 全面上線多項 AI 功能。新版支援用 Veo 將單張照片轉為 8 秒帶聲短片,並能直接輸入指令碼由 AI 數字人出鏡播報。此外還支援一鍵刪掉錄音中的口誤停頓,基礎編輯器也已面向免費使用者開放。
Google Arts & Culture 推出 Moving Archives 專案,首期聯手哈雷戴維森博物館,藉助 Veo 影片模型將百年前的靜態黑白檔案照轉為動態短片,並由 Gemini 生成文字與語音解說。老檔案不再只是泛黃的靜止畫面,觀者能在原圖與動態影片間隨時切換對比。
Google DeepMind 宣佈首部與導演達倫·阿羅諾夫斯基旗下機構合作的短片《ANCESTRA》在翠貝卡電影節首映。團隊將影片模型 Veo 與實拍結合,開發出運動匹配和區域性加物功能,把 AI 生成的逼真新生兒無縫融入實拍鏡頭。這表明生成式 AI 正加速嵌進好萊塢傳統制作管線。
Google DeepMind CEO Demis Hassabis 在播客中表示,Google 最終會將 Gemini 和影片生成模型 Veo 合併,以此提升模型對物理世界的理解能力。他透露 Veo 主要是通過觀看海量 YouTube 影片來摸索現實物理規律,這也是打造通用數字助理的關鍵一步。
據彭博社報道,OpenAI 和 Google 正以每分鐘 1 至 4 美元收購創作者未釋出的廢棄影片,用於訓練 Sora 和 Veo 等模型。中介機構 Troveo 已為此發放超 500 萬美元。這些原本毫無價值的剪輯棄件,正成為 AI 巨頭補充影片資料的新來源。
前 OpenAI Sora 聯合負責人 Tim Brooks 宣佈在 Google DeepMind 組建新團隊,研發模擬物理世界的生成模型。團隊將結合 Gemini、Veo 與 Genie 的成果,探索具身智慧規劃與即時互動生成。DeepMind 認為這是通往 AGI 的關鍵路徑。
據 The Verge 報道,OpenAI 計劃從 12 月 5 日起連續 12 天每天推出新功能或演示。知情人士透露,釋出內容預計包括備受期待的影片生成工具 Sora、全新推理模型,以及 ChatGPT 聖誕語音等彩蛋。
Google 宣佈 Imagen 3 全面開放給 Vertex AI 客戶,影片生成模型 Veo 也開啟私測。Veo 支援圖生影片與區域性編輯,最長可輸出 6 秒高畫質片段。這意味著 Google 開始將前沿多模態能力塞進企業雲服務,不過 Veo 目前仍需申請預覽資格。
Google DeepMind 公佈影片轉音訊(V2A)技術研究進展,能結合影片畫面與文本提示生成同步聲音。該系統基於擴散模型,無需手動對齊即可為靜音影片或老膠片搭配配樂、擬音與臺詞。不過目前口型同步等仍有侷限,模型尚未公開發布。
Google 在 I/O 大會推出實驗性影片生成工具 VideoFX,由 DeepMind 最新影片模型 Veo 驅動,支援分鏡逐幕生成與新增配樂。同時 ImageFX 增加塗抹重繪功能並開放 Imagen 3 候補,MusicFX 上線 DJ 混音模式。