ChatGPT 支援語音實時搜尋；Meta Ray-Ban 智慧眼鏡新增影片識別與實時語音翻譯功能丨 RTE 開發者日報

開發者朋友們大家好：

這裡是 「RTE 開發者日報」 ，每天和大家一起看新聞、聊八卦。我們的社群編輯團隊會整理分享 RTE（Real-Time Engagement）領域內「有話題的 新聞 」、「有態度的 觀點 」、「有意思的 資料 」、「有思考的 文章 」、「有看點的 會議 」，但內容僅代表編輯的個人觀點，歡迎大家留言、跟帖、討論。

本期編輯：@SSN，@ 鮑勃

01 有話題的新聞

1、Gemini 2.0 引入多語言原生音訊輸出

Google Deepmind 展示了 Gemini 2.0 Flash Experimental 的原生音訊能力。影片中，Gemini 2.0 可以切換不同語言、使用不同語速、語調和情感說話；還支援使用 Prompt 的方式控制語音的輸出結果。(@ Google Deepmind@X)

2、谷歌文生圖 AI 模型 Imagen 3 再進化：多樣藝術風格、構圖更平衡

谷歌公司昨日（12 月 16 日）釋出博文，在釋出 Veo 2 影片生成模型之外，還增強了 Imagen 3 文生圖 AI 模型，為使用者帶來更多花樣的藝術風格。

谷歌表示 Imagen 3 是谷歌最強的文生圖模型，在最新版本中新增了現實主義、幻想主義、肖像畫等各種多樣化藝術風格，並更精準地基於提示詞轉換，可以生成更明亮、構圖更平衡的視覺效果。

谷歌 Imagen 3 還帶來了更豐富的紋理、進一步增強了圖片細節，在官方放出的測試中，超過了 OpenAI 的 DALL-E3 和 Flux 等主流模型。（@IT 之家）

02 有亮點的產品

1、月之暗面 Kimi 視覺思考版上線：基於 k1 模型打造 可識別圖片內容

月之暗面旗下人工智慧助手 Kimi 已上線新功能——視覺思考版。這一更新使得 Kimi 能夠對使用者傳送的圖片進行細緻的觀察和深入分析，揭示圖片背後的秘密。使用者現在可以直接向 Kimi 提出問題，利用其視覺思考能力來解答疑惑。

據報導，Kimi 的視覺思考功能基於 k1 視覺思考模型打造，這使得它能夠對圖片內容進行智慧分析，為使用者提供準確的反饋。

例如，使用者可以詢問 Kimi 關於他們即將拍攝的照片的地點，Kimi 將根據圖片內容給出猜測。此外，使用者還可以傳送截圖給 Kimi，請求幫助解答圖中的題目。這項新功能不僅增強了 Kimi 的互動能力，也為使用者提供了更加直觀和便捷的服務體驗。（@AIbase 基地）

2、ChatGPT AI 搜尋免費開放

北京時間今天凌晨，在 OpenAI 第八場釋出會上 ，宣佈向全球使用者免費開放 ChatGPT Search。

本次更新的主要亮點包括：

• 高階語音模式現已支援實時網頁搜尋，並支援多語言實時翻譯

  • ChatGPT 能夠智慧判斷是否需要執行網頁搜尋，使用者也可透過點選 🌐 圖示手動觸發搜尋

• 搜尋結果中的影片可直接在 ChatGPT 聊天視窗中播放

• 支援將 ChatGPT Search 設為預設瀏覽器，提升網頁導航效率

• 移動端搜尋結果最佳化顯示，包含完整商業資訊描述和豐富視覺內容

• iOS 裝置整合原生蘋果地圖體驗

根據投資公司 Evercore 在 9 月份對 1300 人進行的一項調查，有 8% 的受訪者選擇 ChatGPT 而不是 Google 作為他們首選的搜尋引擎，相比之下，6 月份這一比例僅為 1%。那時更專業的 ChatGPT Search 功能尚未正式釋出，便已經能從搜尋市場份額身上撕咬下一塊肉，收穫如此多的忠實擁躉。

上個月，外媒 The Information 披露，OpenAI 正在籌劃一款新產品，旨在將 AI 聊天機器人和網路瀏覽器相結合，為旅遊、餐飲和房地產等領域的網站提供搜尋功能。為了實現這一目標，OpenAI 甚至早些時候不惜重金挖來了 Google Chrome 團隊的創始成員之一 Ben Goodger。(@ APPSO)

3、蘋果將推出可摺疊 iPad

近日，據彭博社記者 Mark Gurman 最新一期報導，蘋果將在 2028 年推出可摺疊 iPad，同時還將帶來多款產品。

Gurman 提到，蘋果目前正在研發一款介於手機和平板電腦、膝上型電腦的新形態產品，此款產品將會是可摺疊的巨型 iPad，展開形態的尺寸可達兩臺 iPad Pro 並排的大小。

這款可摺疊 iPad 目前已在內部打磨多年，並計劃於 2028 年推向市場。Gurman 還猜測其將執行 iPadOS 的變體版版系統，甚至還將支援 MacOS 的軟體。

Gurman 還透露了兩款新產品，一款是新一代妙控滑鼠。Gurman 的報導指出，蘋果近幾個月來一直在對妙控滑鼠進行「全面改造」，使其設計「更適合現代」。Gurman 新的妙控滑鼠會使用時會更加舒適，並且還會解決充電口的問題。不過他也表示，新款的妙控滑鼠預計不會在「未來 12 到 18 個月」內釋出，這意味著新的妙控滑鼠至少要到 2026 年才能釋出。

另外一款產品則是新款 AirTag ，該產品將配備新的 UWB 超寬頻晶片，將定位範圍提升至現有 AirTag 的三倍。(@ APPSO)

4、Meta 智慧眼鏡 Ray-Ban Meta 升級：實時 AI 影片與翻譯功能

Meta 公司宣佈對其 Ray-Ban Meta 智慧眼鏡進行了一次重大的更新，推出了多項基於人工智慧的新功能，包括實時對話和語言翻譯。這些新功能現已向美國和加拿大的早期體驗使用者開放，使用者可以下載最新的韌體版本 v11。

這次更新中最引人注目的「實時 AI」功能首次在秋季的 Meta Connect 開發者大會上亮相。該功能允許使用者與 Meta 的 AI 助手進行持續對話，使用者無需每次都說「嘿，Meta」來喚醒助手，而是可以隨時打斷 AI 進行後續提問或換話題。此外，使用者還可以在佩戴眼鏡時實時詢問周圍的環境，例如詢問他們附近有什麼。

在智慧眼鏡的實時 AI 影片功能上，Meta 已成為市場上的佼佼者。這項技術可以讓使用者在觀看某物時詢問 Meta 的 AI 關於該物品的資訊，從而實現資訊的即時獲取。與之類似的技術，谷歌也計劃推出 AR 眼鏡，但尚未明確推出時間。

除了實時 AI 影片，韌體 v11 還引入了實時翻譯功能，支援英語與西班牙語、法語和義大利語之間的即時翻譯。當使用者與說這些語言的人交談時，眼鏡會透過開放耳揚聲器將對方的講話翻譯成英語，並在使用者的配對手機上顯示文字內容。

此外，這次更新還新增了 Shazam 支援功能，使用者只需說「嘿，Meta，識別這首歌」，眼鏡便會嘗試找到正在播放的音樂。儘管 Meta 對新功能充滿信心，但仍提醒使用者，實時 AI 和實時翻譯可能會出現錯誤，Meta 表示會不斷學習和改進，以提升使用者體驗。

值得一提的是，在去年 11 月，Meta 曾為 Ray-Ban Meta 推出過一次重大更新，向法國、義大利和西班牙的使用者推出了一些 AI 能力。根據埃西洛爾 - 魯克特（EssilorLuxottica）最近的報告，Ray-Ban Meta 在歐洲、中東和非洲的 60% 門店中成為了最暢銷的眼鏡品牌。（@AIbase 基地）

03 有態度的觀點

1、前谷歌 CEO 埃裡克 - 施密特：2-4 年後人工智慧可能開始自我完善，我們應該考慮拔掉插頭

埃裡克 - 施密特在 Axios 的採訪中提到說：「我們很快就能讓計算機自行執行，決定自己要做什麼。」

他說，當系統開始「自我完善 」時，可能就是考慮關閉系統的時候了。當被問及一個強大的系統是否能對抗關閉它的努力時，施密特對美國廣播公司的喬治 - 斯特凡諾普洛斯說：「從理論上講，我們最好有人能把手放在插頭上。」

他補充道：「這種智慧的力量......意味著每個人的口袋裡都將有一個相當於多面手的東西...我們只是不知道賦予每個人這種能力意味著什麼。」

許多業內專家都對匆忙開發生成式人工智慧的風險提出了警告。

施密特去年告訴《Axios》雜誌，根據一些專家的說法，計算機做出自己的決定可能只需要兩到四年的時間。

Axios 的邁克 - 艾倫（Mike Allen）和吉姆 - 範德海（Jim VandeHei）報導說，生成式人工智慧的支持者和反對者都一致認為，最強大的模型最快明年就能以博士生的智力執行。

施密特告訴美國廣播公司（ABC），在一兩年內，系統也許就能自己做研究了。(@ Chubby@X)

2、諾貝爾物理學獎得主：AI 的發展應迴歸生物學

近日，諾獎得主 Hinton 在 Vector's Remarkable 2024 中發表了最新演講，並認為 AI 得發展應迴歸生物學。

Hinton 在演講中提到，要實現硬體製造的高效率，AI 或許應該回歸生物學的本源，並利用現代基因工程技術將神經元轉化為人類所需的計算單元。Hinton 還認為使用模擬計算將擁有顯著的優勢，尤其是在追求低功耗方面。

Hinton 還在問答環節提到，不要開放大模型的原始碼。被問到 AI 是否發展速度過快時，Hinton 認為放慢發展速度既不現實，也不是關注的重點。大眾真正應該關注的是，如何確保 AI 的發展是仁慈且和諧共生的，以便人類能夠應對 AI 可能帶來的生存威脅。(@ APPSO)

更多 Voice Agent 學習筆記：

幫助使用者與 AI 實時練習口語，Speak 為何能估值 10 億美元？丨 Voice Agent 學習筆記

市場規模超 60 億美元，語音如何改變對話式 AI？

2024 語音模型前沿研究整理，Voice Agent 開發者必讀

從開發者工具轉型 AI 呼叫中心，這家 Voice Agent 公司已服務 100+ 客戶

WebRTC 建立者剛加入了 OpenAI，他是如何思考語音 AI 的未來？

人類級別語音 AI 路線圖丨 Voice Agent 學習筆記

語音 AI 革命：未來，消費者更可能傾向於與 AI 溝通，而非人工客服

語音 AI 迎來爆發期，也仍然隱藏著被低估的機會丨 RTE2024 音訊技術和 Voice AI 專場

下一代 AI 陪伴 | 平等關係、長久記憶與情境共享 | 播客《編碼人聲》

Voice-first，閉關做一款語音產品的思考｜社群來稿

寫在最後：

我們歡迎更多的小夥伴參與「RTE 開發者日報」內容的共創，感興趣的朋友請透過開發者社群或公眾號留言聯絡，記得報暗號「共創」。

對於任何反饋（包括但不限於內容上、形式上）我們不勝感激、並有小驚喜回饋，例如你希望從日報中看到哪些內容；自己推薦的信源、專案、話題、活動等；或者列舉幾個你喜歡看、平時常看的內容渠道；內容排版或呈現形式上有哪些可以改進的地方等。

素材來源官方媒體/網路新聞