行业内容

行业内容

每天更新
共 301 条清除筛选
周三 · 1 条
周二 · 1 条
周五 · 1 条
周三 · 1 条
Google DeepMind评分 57

Veo 3.1 图生视频更新：原生竖屏直出适配短视频，支持上采样到 1080p 与 4K

Veo 3.1 Ingredients to Video: More consistency, creativity and control

Google DeepMind 更新 Veo 3.1 的 Ingredients to Video（据参考图生成视频）能力：即便只用简单提示词，画面也更生动、有创意。三项具体更新——原生竖屏输出以服务移动端优先的短视频创作；可上采样到 1080p 与 4K 分辨率的高保真环节，接入专业制作工作流；整体让基于参考图的视频在动态表现与元素控制上都更可控。官方称从业余讲故事的人到专业电影人都适用。

产品#Google

推荐理由：竖屏直出与 4K 上采样这两项是短视频和制作流程真正关心的，信息密度够。

周四 · 1 条
周三 · 2 条
周二 · 1 条
Google DeepMind精选评分 65

Gemma Scope 2 开源：覆盖 Gemma 3 全部尺寸 270M 到 27B 的可解释性工具，团队称是迄今实验室最大规模开源

Gemma Scope 2: helping the AI safety community deepen understanding of complex language model behavior

LLM 能做推理壮举，内部决策过程却基本不透明；一旦系统行为不如预期，看不见内部就很难定位真正原因。去年他们用 Gemma Scope 推进了这门可解释性科学（面向 Gemma 2 的工具箱），今天发布的 Gemma Scope 2 是一套覆盖 Gemma 3 全部尺寸（270M 到 27B 参数）的综合开放工具，可以用来在整个模型大脑里追踪潜在风险。团队称据其所知这是迄今 AI 实验室最大规模的开源可解释性工具发布——生产这套工具存储了约 110 PB 的数据。

产品#Google

推荐理由：开源覆盖全尺寸加 110PB 这两个量级，是该方向迄今最实的一次公开发布。

周六 · 1 条
Google DeepMind评分 55

Gemini 2.5 Flash Native Audio 升级：更好应对复杂流程与用户指令，首次把自然语音带入 Search Live

Improved Gemini audio models for powerful voice experiences

本周早些时候 Google 已为 Gemini 2.5 Pro 与 Flash 的文本转语音模型带来更强控制；但富有表现力的语音只是对话的一面，今天发布的是升级版 Gemini 2.5 Flash Native Audio，面向实时语音智能体——它在处理复杂工作流、遵循用户指令与维持自然对话三方面都有改善。该模型已在 Google AI Studio、Vertex AI 上线，并开始推送到 Gemini Live 与 Search Live，首次把原生音频的自然度带入 Search Live：你可以更有效地与 Gemini 头脑风暴、在 Search Live 里获得实时帮助，或构建下一代企业级客服智能体。

产品#Google

推荐理由：把实时语音这条线的可用面与能力点写清，做语音智能体的可据此选型。

周四 · 2 条
Google DeepMind评分 59

Gemini app 可直接验图：基于 SynthID 判断图片是否由 Google AI 生成或编辑，已累计水印 200 亿+ 内容

How we’re bringing AI image verification to the Gemini app

Google 在内容透明度上的一步：从今天起，你可以在 Gemini app 里直接验证一张图是否由 Google AI 生成或编辑过，用的是 SynthID——这套数字水印技术会把不可感知的信号嵌进 AI 生成内容里。SynthID 于 2023 年推出，此后已有超过 200 亿条 AI 生成内容被打上水印。随着生成式媒体越来越普遍、保真度越来越高，官方把这作为帮助用户更容易判断内容来历的工具部署出来。

产品#Google

推荐理由：200 亿这个量级加上消费端可直接验，是水印路线少见的实质落地。

Google DeepMind精选评分 66

Nano Banana Pro 发布：基于 Gemini 3 Pro 的图像生成编辑模型，文本渲染与世界知识显著增强

Introducing Nano Banana Pro

Google DeepMind 发布 Nano Banana Pro（即 Gemini 3 Pro Image），定位为 studio-quality 的图像生成与编辑模型，距几个月前的 Nano Banana（Gemini 2.5 Flash Image）仅数月。它借助 Gemini 的推理与真实世界知识来更好地可视化信息：可生成更准确、上下文更丰富的画面，文本渲染明显改善，并把一张手写笔记转成示意图这类用法变成了主场景——从原型到把数据画成信息图都在射程内。

产品#Google

推荐理由：产品主文把能力边界与典型用法讲得完整，适合作为图像模型选型的引用。

周三 · 1 条
Google DeepMind评分 58

Google 推出 Antigravity：一条标题式的第一手发布（原正文未采集），标题只说明这是 Google 新推出的一个叫 Antigravity 的产品

Introducing Google Antigravity

这是 Google DeepMind 博客上的一条发布标题「Introducing Google Antigravity」，正文未被采集，材料只有标题。就标题所示：Google 推出一个名为 Antigravity 的新产品。缺少正文，它具体是什么、有哪些功能与参数，都无法从材料核实，此处只据标题记录这一发布事件。

产品

推荐理由：标题能确认 Google 发布了这一新产品，但正文缺失、连它是什么都无法核实，作为发布信号可留档，信息完整度低。

周四 · 1 条
OpenAI News评分 51

OpenAI 发布 MuseNet：一个深度神经网络，能生成 4 分钟、用到 10 种乐器的乐曲，风格从乡村到莫扎特再到披头士都能混合；它没有被显式编程进音乐知识，而是靠在上数十万个 MIDI 文件上学习预测下一个 token，自行发现了和声、节奏与风格中的模式

MuseNet

OpenAI 创建了 MuseNet——一个能生成 4 分钟乐曲、涉及 10 种乐器、并能把从乡村到莫扎特再到披头士的风格结合起来的深度神经网络。MuseNet 并未被显式地编入人类对音乐的理解，而是通过预测数十万个 MIDI 文件里的下一个 token，自行发现了和声、节奏与风格中的规律。它使用与 GPT-2 相同的通用无监督技术：一个大尺度 Transformer 模型，被训练去预测一个序列（无论是音频还是文本）里的下一个 token。

产品#OpenAI

推荐理由：GPT 式无监督技术跨到音频模态的早期展示，说明这条通用路线的可迁移性。

第 13 / 13 页 · 共 301 条

内容来自本工作区发布的行业信源包，与桌面端读的是同一份数据。 本站只做汇集与导读，版权归原作者与信源所有，每一行都可以点回原文。