Recentemente, o aplicativo Grok, desenvolvido pela xAI, lançou um modo de voz em tempo real com suporte a 10 modos, permitindo que os usuários interajam com a IA por meio de voz, melhorando ainda mais a experiência do usuário. No entanto, um usuário do X descobriu que o aplicativo também adicionou modos Descontrolado e Sensual, gerando grande interesse. Segundo o usuário, o modo Descontrolado "discute o tempo todo", especializado em discussões provocativas; enquanto o modo Sensual "começa flertando", cheio de romance ou insinuações sexuais. O usuário concluiu o post com "Musk entende os caras!"

Recentemente, uma ferramenta chamada Ready AI tem chamado a atenção no circuito de design. O que torna esta ferramenta tão impressionante é a capacidade de gerar interfaces de páginas da web profissionais em apenas 30 segundos, simplesmente inserindo comandos de texto. Com o Ready AI, os usuários têm mais controle sobre o design de UI que desejam. Ao contrário de produtos semelhantes, o Ready AI oferece pré-visualização em tempo real e recursos de comparação de versões, demonstrando eficiência surpreendente em testes de design para plataformas de mídia social e sites de comércio eletrônico. O Ready AI oferece uma variedade de opções de estrutura, como HTML.

Em 16 de fevereiro, o navegador QQ anunciou a integração oficial da versão completa do modelo DeepSeek-R1, oferecendo aos usuários uma experiência de pesquisa mais inteligente e conveniente. O modelo DeepSeek-R1 integrado possui recursos como raciocínio profundo, pesquisa online, diálogo de múltiplas rodadas e recuperação de histórico, capaz de fornecer respostas abrangentes, rápidas e de alta qualidade.

Recentemente, a Alibaba lançou sua mais recente conquista tecnológica, o Animate Anyone2. Essa tecnologia inovadora permite a substituição precisa de personagens em vídeos. De acordo com os exemplos demonstrados no site oficial do projeto, os usuários precisam apenas fornecer o vídeo original e a imagem do personagem de destino, e o sistema poderá substituir a imagem do personagem em tempo real, mantendo a trajetória de movimento original do vídeo. Dados experimentais mostram que o sistema pode transferir completamente a ação de um jogador de futebol chutando para um personagem de animação, mantendo as características físicas reais da trajetória da bola. Para atender às necessidades complexas da produção cinematográfica,

A ZyphraAI lançou recentemente seu mais novo modelo de texto para fala (TTS) multilíngue, **Zonos-TTS**, baseado na **licença Apache2.0**, totalmente de código aberto e utilizável comercialmente. O Zonos-TTS não apenas suporta a função de clonagem de voz em tempo real, mas também foi treinado com 200.000 horas de dados de voz em inglês, exibindo um desempenho excepcional. O Zonos-TTS oferece duas maneiras de implantação: suporte para implantação local e serviço de API conveniente. Para usuários comuns, Zyphr...

Recentemente, a empresa Doubao anunciou o lançamento de seu novo modelo de linguagem de voz em tempo real, que afirma ter alcançado uma 'vantagem significativa' em conversas em chinês, marcando uma melhoria significativa na capacidade de diálogo da IA. Este modelo está totalmente disponível no aplicativo Doubao (versão 7.2.0, edição Ano Novo), proporcionando aos usuários uma experiência de comunicação de voz mais rica e realista. De acordo com a empresa, o modelo de linguagem de voz em tempo real da Doubao alcançou uma profunda integração entre a compreensão e a geração de voz, formando um sistema de diálogo por voz de ponta a ponta. Esse avanço tecnológico permitiu que o modelo melhorasse sua expressividade vocal, controle e emoções.

Em 20 de janeiro, a SenseTime anunciou que sua versão interativa do modelo de fusão diário, "SenseNova-5o", agora oferece oficialmente serviços de bate-papo por vídeo e áudio em tempo real e está disponível gratuitamente para os usuários por tempo limitado. O lançamento dessa versão interativa marca mais um avanço importante da SenseTime na área de inteligência artificial, com o objetivo de promover uma comunicação mais natural e fluida entre IA e humanos por meio de interação em tempo real poderosa, reconhecimento visual, memória, raciocínio e capacidades de raciocínio complexo.

De acordo com relatos da mídia internacional, a Samsung Electronics está em negociações com a OpenAI para uma 'parceria aberta', planejando integrar a tecnologia avançada da OpenAI em sua linha de produtos de televisão para melhorar sua vantagem competitiva no mercado global de televisores. Segundo informações, a Samsung pretende incorporar várias tecnologias principais da OpenAI, incluindo geração de texto GPT, geração de imagens DALL·E, reconhecimento de voz Whisper e modelo de raciocínio O1. Essas tecnologias fornecerão aos usuários recursos inovadores como recomendação de conteúdo personalizado, assistente de conversação, tradução em tempo real, etc. Por exemplo, os usuários poderão assistir a programas...

O Google anunciou recentemente uma parceria com a Associated Press para construir um 'fluxo de informações em tempo real' para seu aplicativo de chatbot Gemini. Jafar Zaidi, vice-presidente de parcerias globais de notícias do Google, disse que o objetivo da parceria é melhorar ainda mais a experiência de busca dos usuários do Gemini, permitindo que eles acessem informações mais atualizadas. Nota da imagem: Imagem gerada por IA, provedor de licenciamento de imagens Midjourney Zaidi mencionou em um post de blog que o Google está desenvolvendo novos produtos de IA, com foco especial em alguns que podem...

O Gemini AI do Google recentemente alcançou um avanço notável na tecnologia, capaz de processar simultaneamente múltiplos fluxos visuais, uma conquista sem precedentes no campo da inteligência artificial. Essa funcionalidade não foi apresentada através das plataformas principais do Google, mas sim por meio de um aplicativo experimental chamado "AnyChat". Essa nova capacidade do Gemini AI permite que ele não apenas assista a vídeos em tempo real, mas também analise imagens estáticas simultaneamente, superando a limitação anterior da inteligência artificial de processar apenas uma única entrada visual.

No cenário de rápido desenvolvimento da tecnologia de inteligência artificial, a OpenAI lançou sua mais recente API em tempo real em 1º de outubro de 2023, com o objetivo de fornecer aos desenvolvedores ferramentas poderosas para construir aplicativos de voz inteligentes. O lançamento desta API recebeu ampla atenção, especialmente na OpenAI DevDay em Singapura, onde engenheiros da Daily.co compartilharam suas experiências e aprendizados ao usar esta API. Esses engenheiros não apenas construíram produtos usando a API em tempo real, mas também contribuíram ativamente para projetos open source.

Na Consumer Electronics Show (CES) de 2025, a Samsung anunciou que está trazendo um recurso popular de smartphones e tablets para suas TVs - a tradução em tempo real (Live Translate). Este recurso visa fornecer aos usuários tradução ao vivo de programas, permitindo que espectadores de diferentes idiomas aproveitem o conteúdo com mais facilidade. A tradução em tempo real suporta sete idiomas, embora ainda não tenha sido especificado quais são esses sete idiomas. A tecnologia funciona traduzindo as legendas do programa, em vez de traduzir o áudio diretamente. Desde 202...

A Timekettle, fabricante líder mundial de dispositivos de tradução, lançou hoje seu primeiro sistema operacional de tradução com inteligência artificial, o Babel OS. Essa tecnologia inovadora proporcionará melhorias significativas de desempenho a toda a sua linha de dispositivos de tradução. A inovação central do Babel OS reside em sua tecnologia de segmentação semântica de IA. Essa tecnologia, suportada pelo HybridComm da Timekettle, consegue prever frases de forma inteligente, permitindo traduções em tempo real com quase zero de latência. O sistema não apenas suporta conversão instantânea de mais de 40 idiomas, mas também imita o tom de voz do usuário.

Recentemente, a equipe VITA-MLLM anunciou o lançamento do VITA-1.5, uma versão atualizada do VITA-1.0, que visa melhorar a capacidade de resposta e a precisão da interação multimodal. O VITA-1.5 suporta inglês e chinês e apresenta melhorias significativas em vários indicadores de desempenho, proporcionando aos usuários uma experiência de interação mais fluida. No VITA-1.5, a latência de interação foi reduzida significativamente, de 4 segundos para apenas 1,5 segundos, permitindo que os usuários interajam por voz praticamente sem perceber atrasos.

A plataforma de serviço de modelos grandes Bai Lian da Aliyun lançou recentemente o recurso de "interação em tempo real de áudio e vídeo", permitindo que os usuários criem facilmente aplicativos de IA multimodal, sem necessidade de conhecimento de programação. Este novo recurso permite que os usuários integrem rapidamente modelos de IA em aplicativos Web, iOS e Android e compartilhem com outras pessoas. Os usuários podem criar aplicativos de agentes inteligentes seguindo etapas simples: primeiro, crie um aplicativo de agente inteligente e, em seguida, selecione e configure o modelo grande de compreensão de texto, voz ou visão desejado na plataforma Bai Lian da Aliyun. A plataforma oferece mais de 200 modelos grandes, incluindo...

Na conferência Volcano Engine FORCE 2024 · Inverno, a ByteDance também lançou a busca de IA global da Volcano Engine. Este serviço integra recomendações de busca contextualizadas, integração de informações privadas da empresa e serviços de perguntas e respostas online, combinando informações da empresa, necessidades de negócios e necessidades do usuário para ajudar as empresas a alcançar recomendações mais precisas e uma descoberta de informações mais ampla.

A Meta anunciou recentemente três novos recursos para seus óculos inteligentes Ray-Ban: IA em tempo real, tradução em tempo real e Shazam. A IA em tempo real e a tradução em tempo real estão atualmente disponíveis apenas para membros do programa de acesso antecipado da Meta, enquanto o Shazam está disponível para todos os usuários nos EUA e Canadá. A IA em tempo real e a tradução em tempo real foram antecipadas no evento Meta Connect 2024, no início deste ano. A IA em tempo real permite que os usuários interajam com o M, enquanto os óculos continuam a observar o ambiente ao redor.