位元組豆包釋出新模型，AI 一句話 P 圖；Google 正式推出 Vids，簡單提示即可生成影片演示丨 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、位元組新模型 SeedEdit 開啟測試：一句話輕鬆 P 圖

位元組跳動於 11 月 11 日推出了其最新影像編輯模型 SeedEdit，成為國內首個產品化的通用影像編輯工具。使用者只需輸入一句簡單的自然語言指令，即可實現對圖片的背景更換、風格轉換以及元素的增刪替換，無需繁瑣的描邊和塗抹。

SeedEdit 在識別指令方面表現出色，能夠精準理解中文和英文提示，包括成語及專有名詞。例如，使用者只需輸入「把西瓜換成葡萄」，SeedEdit 便能快速完成上個與水果替換。

此外，模型在處理細節時也保持了原圖的完整性，例如移除玻璃裂紋或改變影像中的特定元素。

作為一款通用影像編輯模型，SeedEdit 不僅支援單次編輯，還允許多輪創意操作。使用者可以對同一影像進行連續編輯，創造出多樣化的效果。

報告顯示，SeedEdit 依然採用了 Diffusion 架構，但在不引入新引數的情況下將影像生成模型轉換成了影像編輯模型。其秘訣是在保持原始影像和生成新內容之間尋找平衡，最終得以在影像編輯的通用性、可控性和高質量上實現新的突破。解決了傳統 AI 影像編輯中存在的多個痛點。

據瞭解，SeedEdit 已在豆包 PC 端和即夢 AI 上線網頁端開始測試，使用者可以透過簡單的指令實現高效的影像編輯。與 Dall・E3 和 Midjourney 等競爭對手相比，SeedEdit 在編輯的便捷性和響應精準度上更具優勢。（@AIbase 基地）

2、Suno 釋出 V4 音樂生成模型音訊演示影片，音質和風格大提升

近日，Suno 公司釋出了其最新的 v4 音樂生成模型的音訊樣本。這些演示音訊展現了與之前版本相比，音質、音色多樣性和一致性都有了顯著提升。

Suno 的 v4 模型透過深度學習技術對大量音樂資料進行訓練，旨在生成更自然、更豐富的音樂作品。與以往版本相比，v4 模型在音訊合成方面的表現更為出色，能產生更具表現力的樂曲，增強了音樂的情感表達。聽眾在試聽樣本時，能夠明顯感受到音質的細膩程度和旋律的流暢性，給人以耳目一新的體驗。

為了使這一新模型的功能更為全面，Suno 還對音樂的多樣性進行了最佳化。透過對不同風格和流派的音樂資料進行學習，v4 模型能夠生成多種風格的音樂，滿足不同聽眾的需求。

此外，模型在保持音樂一致性方面也有所改進，無論是在旋律、節奏還是和聲方面，v4 都能夠保持高度的協調性。

這一系列的改進使得 Suno 的 v4 音樂生成模型不僅適用於個人創作，還可以被廣泛應用於商業音樂製作、遊戲音樂及其他需要背景音樂的場合。Suno 希望透過這一創新，能夠推動 AI 音樂生成技術的進一步普及和應用。（@AIbase 基地）

3、X 正在測試 AI 聊天機器人 Grok 的免費版本

據 TechCruch 報導， X 一直將其 AI 聊天機器人 Grok 限制給高階付費使用者使用。

不過，X 似乎正準備向免費使用者開放聊天機器人。

上個週末，有部分應用研究人員和使用者釋出了有關聊天機器人 Grok 免費版將向特定地區使用者開放的訊息。據研究人員表示，目前免費的使用次數有限制：Grok-2 模型每兩小時 10 次查詢，Grok-2 mini 模型每兩小時 20 次查詢，每天三個影像分析問題。

報導指出，要免費使用 Grok，使用者的帳戶必須至少有七天的歷史並且與其關聯的電話號碼。(@APPSO)

4、Google 正式推出 Gemini AI 驅動的影片演示應用 Vids， 透過簡單提示即可生成影片演示

Google 正式推出了其 Gemini AI 驅動的影片演示應用程式 Vids，使用者可以透過簡單的提示生成影片演示。

Vids 整合了 Gemini 的生成式 AI 功能，使用者只需提供提示或 Google Drive 中的文件，系統即可生成一個初始影片故事板，包括推薦的場景、指令碼、背景音樂等。使用者可以透過「Help me create」功能快速獲取一個編輯草稿，大大簡化了影片製作過程。

Vids 還支援語音旁白，可以選擇 Gemini 的預設 AI 語音或錄製自己的語音。系統還包含滾動式提詞器，幫助使用者在錄製過程中自然流暢地呈現資訊。此外，使用者可以新增自己的影片、螢幕錄製和音訊錄製，以便製作多樣化的影片內容。

Vids 的主要功能包括自動插入素材影片、生成指令碼、以及建立 AI 語音旁白，使用者無需親自錄音。Google 表示該工具可用於將客戶支援文章轉化為影片、製作培訓影片、釋出公司公告、生成會議回顧等。（@ 小互 AI）

5、月之暗面創始人被前公司投資人提起仲裁，受理律師回應將提出抗辯

月之暗面創始人楊植麟、聯合創始人兼 CTO 張宇韜被前公司迴圈智慧時期的投資人在中國香港提起仲裁，相關電子仲裁申請書也已遞交 HKIAC（香港國際仲裁中心）。

對此，銘德律師事務所資深合夥人 David Morrison 律師今日回應第一財經稱：「本所已接受楊植麟先生、張宇韜先生委託，關注到相關仲裁事項。我們認為該事項既缺乏法律依據，也不具備事實基礎，本所將依法提出抗辯。」

另據知情人士訊息稱，本次仲裁的申請方，來自迴圈智慧以及迴圈智慧 7 家投資方中的 5 家：金沙江創投、靖亞資本、博裕資本、華山資本和萬物資本。
上述知情人士表示，此次仲裁申請可能緣起於，在尚未拿到來自迴圈智慧的幾個投資方（金沙江創投、萬物資本、靖亞資本、華山資本和博裕資本）的同意豁免書之前，楊植麟和張宇韜等人就已啟動融資並創立月之暗面。（@IT 之家）

02 有態度的觀點

1、OpenAI 產品負責人：現在的模型受限於評估方法

OpenAI 的首席產品官 Kevin Weil 和 Anthropic 的首席產品官 Mike Krieger 共同探討了人工智慧領域的多個核心議題。

他們討論了當前 AI 模型的侷限性，強調這些侷限更多地在於評估方法而非智慧水平本身，指出產品經理的角色正在經歷轉變，從傳統的角色向研究型產品經理演進，這要求他們掌握編寫評估標準和模型微調等新技能。

兩位產品負責人還展望了 AI 的未來，提出了「主動性」和「非同步」作為 AI 發展的關鍵詞，預測模型將變得更加主動，監控使用者郵件、發現趨勢、準備會議內容，同時也會更非同步，可能需要時間來思考和回答。

此外，他們對使用者適應 AI 的速度表示驚歎，預計 AI 將模仿人類思維，以指數級速度迭代升級，並以我們人類互動的所有方式進行互動，預示著全新的人機互動正規化。(@APPSO)

2、OpenAI 聯合創始人 Sutskever 預測大模型擴張時代或將終結

據路透社報導，主要 AI 實驗室正面臨困境。開發大型語言模型不僅需要投入數千萬美元，還常常遭遇系統崩潰等技術難題，評估一個模型的效能往往需要持續數月之久。

這種發展瓶頸已經波及行業巨頭。有報導稱 OpenAI 的新型 Orion 模型相比 GPT-4 提升有限，谷歌的 Gemini2.0 也遇到類似困境。Anthropic 方面，其執行長 Dario Amodei 表示正在重新規劃 Opus3.5 的開發路線。

OpenAI 前聯合創始人、現 Safe Superintelligence（SSI）負責人 Ilya Sutskever 指出：「2010 年代是擴充套件的時代，現在我們進入了探索與發現的新階段。」這一表態格外引人注目，因為 Sutskever 曾是「越大越好」理念的倡導者。

行業新方向指向「測試時計算」，即賦予 AI 模型更多時間來逐步思考和解決問題。這種方法著重培養 AI 系統的推理能力，使其能夠生成多個解決方案並進行評估，而不是簡單地快速作答。

這一轉變也可能影響硬體市場格局。雖然 Nvidia 在傳統 AI 訓練硬體領域佔據主導地位，但新的計算正規化為 Groq 等其他晶片製造商帶來了機遇。不過，業內預計未來可能會同時採用傳統方法和新方法，以實現最優成本效益。

多位業內人士認為，雖然傳統的語言模型開發仍將持續，但行業重心已經開始轉移。這標誌著 AI 發展進入了一個更注重質量和思維能力的新階段。（@AIbase 基地）

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