跳到正文
11月10日周二
  1. TechCrunch · AI42

    Otter.ai 新增多语言转写,支持 31 种语言并自动跟随语种切换

    Otter.ai 宣布扩展多语言能力,新增可在同一场会议中跟随说话人语种切换的多语言转写功能,并新增 27 种语言支持,完成后共支持 31 种语言。其中普通话、粤语、韩语、德语、意大利语、葡萄牙语、俄语等 13 种语言已可用,其余 14 种即将上线。新语言基于 Otter 自研语音模型,使用公开数据集训练并由母语志愿者校对转写准确度。

  2. The Decoder71

    字节跳动发布 Seedream 5.5 图像生成模型,称支持 100 轮编辑无色彩漂移

    字节跳动 Seed 团队发布面向专业生产流程的图像生成模型 Seedream 5.5,官方称其支持最多 100 轮多轮编辑,未改动区域保持像素级一致且无色彩偏移。该模型可原生生成带透明背景的 RGBA 图像,无需手动抠图即可作为设计素材,并称在光照、材质和皮肤质感以及密集小文字还原上更真实准确。Seedream 5.5 正通过即梦、豆包、豆包 Work 和火山方舟逐步开放,Pro 版本已在计划中。

11月6日周五
10月28日周三
  1. Google DeepMind82

    Google DeepMind 发布世界模型 Genie 4

    Google DeepMind 发布世界模型 Genie 4,可实时生成带原生音频的交互式模拟世界,并以研究预览形式向可信测试者开放。Genie 4 支持用自然语言实时修改天气、镜头和场景元素,能模拟空气动力学、碰撞等物理场景以及人物动作与对话。

    推荐理由:官方说明了 Genie 4 的原生音频、实时可控与 Gemini 协同推理,读者可据此判断世界模型当前的能力边界。