标签
Google 正在将 Gemini 3.5 Transcribe 的语音编辑能力——即驱动 Gboard 上 Rambler 和 macOS 上 Gemini 应用的同一项技术——引入 Gemini API,让开发者能够构建这样一种体验:用户可以通过语音自然地编辑、改写和翻译文本。
World Labs 推出 Atlas,一款新一代世界模型,可将图像转换为可探索的 3D 世界,并配备 Viewfinder 和 Chisel 等工具,以及面向游戏、电影、建筑和机器人工作流的开发者 API,用于将 splat 转换为 mesh。
Garmin 在今年三月因大量 AI 生成的应用申请而暂停接受新申请后,重新开放并升级了其 Connect 开发者 API 计划,推出了三个新层级(个人版、初创版、企业版)。新层级旨在简化并加速爱好者和初创公司的接入流程,同时将更全面的支持和数据访问权限保留给付费企业客户。
yggy 是一款自我构建的 AI 知识图谱产品,可将杂乱文档与连接系统自动转化为带来源追溯的知识图谱,无需设计模式或搭建管道,支持团队应用、API 与 MCP 智能体接入,并托管于欧盟。
GPT-Live-1 现已对开发者开放,每分钟0.05美元,支持自动化电话通话,并将推理任务委托给其他AI模型,有望变革企业语音通信。
Gradium AI发布了Voice Design,允许从描述口音、年龄、性别和语速的文本提示创建自定义AI语音,可通过其API和Studio使用。
Google 推出 Gemini 3.5 Transcribe,这是一款新的 AI 模型,提供精确且智能的实时语音转文本转录,开发者可通过 API 获取。
Google发布Gemini 3.5 Transcribe,这是一种AI模型,通过自动移除填充词、支持超过85种语言以及提供自定义词汇和说话人归属来改善音频转录。
Meta发布Muse Spark 1.1,这是一款面向高级编码任务的新AI模型,包括错误检测和智能体工作流,可通过Meta模型API获取。
Meta没有为其最新的面向开发者的AI模型计划发布日期,尽管此前计划本月发布。据报道,Muse Spark模型与OpenAI和Anthropic的产品具有竞争力,但尚未经过独立评估。