AI 领域风起云涌：谷歌与 OpenAI 的一周激战
哎，这周AI界可真热闹啊!谷歌和OpenAI都放大招了，让人看花了眼。咱们先从谷歌的“大动作”说起。
谷歌新出的V2 AI视频模型，我试了试，感觉简直太牛了!这模型生成的视频超级逼真，对物理和动作的理解都提升了好几层楼。你给它个提示，它就能给你四个选项，找到满意的视频简直易如反掌。虽然具体啥时候上线还不清楚，但感兴趣的朋友可以去Google Labs抢个位置，加入等候名单。还有，谷歌还升级了文本到图像再到视频的模型，还有那个Imegen 3，现在生成的图像亮堂堂的，构图也高级多了。
谷歌还推出个新玩意儿叫Whisk，能把你上传的图片混在一起，做出超酷的效果。你给它个风格，上传图片，它就给你变出独一无二的作品。现在这个工具完全免费，就在Google Labs等着你呢。
Google NotebookLM也更新了，现在能让你和文档对话，还能把文档变成播客!你上传文本、PDF，甚至YouTube链接，它就能给你生成播客。你还可以边听边提问，这个功能现在对所有用户开放，而且不收费。
谷歌在Gemini Advanced平台上也推出了新模型，高级会员就能用他们最先进的大型语言模型。还有个实验模型叫Gemini 2.0 Flash thinking，推理能力更强。你可以在Google AI Studio免费试一试，看看跟OpenAI的01模型比咋样。
YouTube也新出了个功能，让创作者可以选择让第三方公司用他们的视频训练AI模型。你可以选择同意、不同意，或者只让特定公司用你的内容。
OpenAI这边也不闲着，一口气发布了12天的新产品或新功能。
第7天，他们推出了ChatGPT的项目功能，跟Claude的差不多。你可以创建不同的项目，每个项目都有自己专属的指令和文件，处理任务方便多了。
第8天，搜索功能对所有用户开放了，不管你是免费版还是付费版，都能在网上搜索答案。
第9天，他们宣布01预览模型可以在API中使用，开发者可以用在自己的软件里。
第10天，推出了1-800-CHATGPT，你可以通过电话跟ChatGPT聊天。不过，目前这个功能只在美帝能用。
第11天，还推出了ChatGPT的Mac应用程序，可以在Mac上用更多工具。
谷歌和OpenAI的竞争，让我们能体验到更多酷炫的AI工具。
还有个我最近发现的AI视频工具叫Invideo AI。它能帮你生成场景，编译成视频，还能加音频，一个平台就搞定。你给它个提示，它就给你生成脚本、视频、音效、音乐，甚至能用你自己的声音配音。还有超多模板，做各种类型的视频超方便。
说说程序员们关心的事。GitHub Copilot现在有个免费套餐，可以直接在VS Code里用。微软本周也推出了一些新功能，比如实时字幕里的实时翻译，还有Bing图像创建器的更新。
Meta那对Ray-Ban眼镜又升级了，这次可是大动作啊!它们现在能实时拍视频，跟之前Project Astra的玩意儿有点像，但更屌的是，它们还装了个聊天GPT，眼镜都能跟你实时翻译对话啦。意思就是，你随时随地都能跟Meta的AI小助手聊天，还能记得你们之前的对话内容。最神奇的是，你不用再说“嘿Meta”来唤醒它，直接问问题就能开聊了。这简直是把OpenAI的高级功能和视觉功能直接塞进了你的眼镜里。我还没体验到，但已经迫不及待想试试了。哎，它还能识别周围播放的歌曲，就像Shazam一样。
Instagram也来凑热闹，说要给咱们带来一些AI新功能。他们正在搞一个AI视频编辑工具，以后咱们拍视频都能换衣服、换背景，还能加特效。Instagram的CEO Adam Moseri说，他们想给创作者们更多工具，让创意无限放大。虽然现在还只是试验阶段，但他们计划明年就搬到Instagram上。
AI视频这块，Pika推出了2.0版本，新增了“素材”功能，你上传点照片和东西，AI就能帮你制作视频。我试了一下，效果一般，但我觉得只要方法对，肯定能做出超酷的视频。Pika还免费开放了2.0版本的权限，大家可以试试看。
Cling这家公司也发布了1.6模型，据说响应更快，视觉效果更棒。Runway还推出了一个新平台，能帮你找到用AI创作艺术和视频的大神。
Odyssey公司展示了一个能生成3D场景的模型，比如70年代的室内、21世纪的办公室、地下车间啥的。而且，他们还把这些场景弄到了虚幻引擎里。
还有个叫Genesis的项目，是个生成物理引擎，能造4D动态世界。你给它个提示，比如“悟空在桌面上冲刺”，它就能生成动画。这玩意儿还能训练机器人，自动生成策略和数据。
福特公司还研究了个AI模型，能模拟水滴落在啤酒瓶上的过程，还能展示水滴受到的各种力，甚至微观模式。这模型能在各种电脑上跑。
AI图像方面，Leonardo更新了，推出了Phoenix 1.0模型，还有Midjourney的情绪板功能和Magnific的超现实AI图像模型。
11Labs推出了Flash文本转语音模型，能在7.5毫秒内生成语音，真的要实现实时语音交互了。佛罗里达大西洋大学的研究人员还开发了个AI系统，能读手语，对聋哑人士来说是个大好消息。
Atronic和DeepMind合作，把AI和硬件结合在一起。Nvidia还推出了一款微型超级计算机Jetson Nano，给机器人提供动力。
总之，这周AI界热闹非凡，新功能、新模型层出不穷。我都迫不及待想看看2025年会出什么新花样了。
更新时间:2024-12-27 01:33
