微软最近在伦敦的一场活动上推出了它的最新产品 —— 自主人工智能代理，或者说 “虚拟员工”。这些 AI 员工能够独立处理客户咨询和识别销售线索，这意味着公司能够更高效地运营。值得注意的是，微软不仅提供了十款现成的 AI 机器人，还允许客户根据自己的需求定制 AI 代理，简直是为各行各业带来了新的机遇。图源备注:图片由AI生成，图片授权服务商Midjourney其中，C o p i l o t Studio 是一个非常有意思的工具，它将在下个月正式上线。早期用户包括了知名咨询公司麦肯锡，麦肯锡正在

微软正在全球60个城市开展"AI巡讲"活动。这些为期一天的活动旨在搭建桥梁，让对AI感兴趣的企业人士能够与微软工程师和销售团队直接对话，探讨如何打造"AI优先"企业，以及其核心技术Copilot的应用前景。

OpenAI再次引领人工智能技术潮流，推出了全新的gpt-4o-audio-preview模型。这款模型不仅在语音生成和分析方面展现出惊人的能力，还为人机交互开辟了新的可能性。让我们深入了解这款创新模型的特性及其潜在应用。gpt-4o-audio-preview的核心功能包括三大方面:首先，它能够根据文本生成自然流畅的语音响应，为语音助手和虚拟客服等应用提供了强大支持。其次，该模型具备分析音频输入的情感、语调和音调的能力，这一特性在情感计算和用户体验分析领域具有广阔应用前景。最后，它支持语音

Adobe 在全球创意大会 Adobe MAX2024上推出了其最新产品 ——GenStudio，这是一款专为性能营销设计的全新解决方案。GenStudio 是 Adobe GenStudio 生态系统的一部分，旨在帮助企业在内容创作和营销过程中实现更高的效率和个性化体验。它从内容规划、创作到管理、激活和效果测量，全方位优化每一个营销环节。GenStudio 是一款自助式、以人工智能为驱动的应用专注于利用生成式 AI 技术，利用生成式 AI 技术，快速创建高效的广告和电子邮件内容。通过这款工具，创意团队和市场团队可以更好地协同合

在信息爆炸的时代，如何高效获取知识成为众多学习者和专业人士面临的挑战。近日，一款名为PDF2Audio的开源工具应运而生，它巧妙地将人工智能技术与传统阅读方式相结合，为用户提供了一种全新的信息获取方式。PDF2Audio的核心功能是将PDF文档转换为音频内容。这款工具借助OpenAI的GPT模型进行文本生成和语音合成，能够将各类PDF文件转化为播客、讲座或摘要等多种音频形式。用户只需通过简单的操作，就能将枯燥的文字资料变成生动有趣的有声内容。这款工具的设计充分考虑了用户的多

近日，约翰霍普金斯大学与腾讯 AI 实验室联合推出了一款名为 EzAudio 的新型文本到音频生成模型。这项技术承诺以空前的效率和高品质文本转换为声音，标志着人工智能和音频技术的重大飞跃。EzAudio 的工作原理是利用音频波形的潜在空间，而不是传统的声谱图，这一创新让它能够在高时间分辨率下工作，且无需额外的神经声码器。EzAudio 的架构被称为 EzAudio-DiT（扩散变换器），采用了多项技术创新来提高性能和效率。其中包括一种新的自适应层归一化技术 AdaLN-SOLA、长跳连接，以及先进的

在科技与创意的交汇处，Snapchat的母公司Snap再次展现了其创新实力。在近日于加州圣莫尼卡举行的Snap合作伙伴峰会上，公司宣布了一系列激动人心的AI工具升级，旨在为创作者们提供更强大、更直观的内容制作体验。最引人注目的新功能当属"Easy Lens"。这项创新工具让创作者可以通过简单的英文描述，轻松生成Snap独有的增强现实（AR）对象、3D效果、角色和图像变换等Lens效果。Easy Lens集成在Snap的开发者平台Lens Studio中，利用生成式AI模型解析用户输入的文本，并自动使用Lens Studio组件构建相

前言去年，Google 推出了 NotebookLM，这是一款结合了大语言模型 (LLM) 与用户笔记的实验性 AI 笔记本，通过提供摘要、回答问题等方式帮助用户更好地理解某个主题。现在，它甚至可以与你讨论笔记内容。日前 Google 在 NotebookLM 中推出了「Audio Overview（音频概览）」功能，允许用户通过引人入胜的 AI 驱动对话讨论他们的笔记内容。对话由两位 AI 生成的主持人进行，他们利用你的内容背景来解释复杂的主题，做类比，并与你展开持续的对话。在现今的人工智能时代，NotebookLM 以其独特的功能和先

微软研究院发布AutoGen Studio，一个低代码工具，旨在简化AI agent的原型设计和管理工作流。该工具基于开源AutoGen框架，提供网页界面和Python API，允许开发者通过JSON规格定义支持大型语言模型的agent，支持快速原型设计、增强代理技能和组合复杂工作流。AutoGen Studio包含直观的拖放界面、交互式评估和调试能力及可重用组件库，旨在帮助开发者从概念验证转向生产，减少麻烦。目前处于开发阶段，可能不会成熟，但已经在广告、客户支持、网络安全、数据分析、教育、金融等多个行业应用，显示了广泛的适用性和潜在影响。AI agent在组织的云原生策略中能发挥重要作用，并逐渐取代传统机器人流程自动化（RPA）机器人，推动多agent系统创新。AutoGen Studio鼓励开发者用于原型设计和演示，而非生产应用。

Google AI Studio发布全新原生提示库，集成了长文本上下文、多模态输入（图像、视频、音频）与结构化输出等功能，旨在为用户在教育、编程、旅行等多领域提供丰富多元的体验。此库包含配方生成器、数学导师、数学作业生成器、寻宝游戏设计、单元测试生成器、旅行建议等实用功能，通过直观展示和全面信息，增强用户探索感与创新体验。用户只需登录Google AI Studio，访问Prompt Gallery，选择合适提示词并输入需求，即可获取所需内容。该工具的推出为内容创作与日常工作的便利性带来了显著提升。

阿里巴巴近期发布了全新开源语音模型Qwen2-Audio，这款模型在语音识别、翻译和音频分析方面表现出色，实现了显著性能提升。Qwen2-Audio提供基础版和指令微调版，支持多种语言，如中文、粤语、法语、英语和日语，为情感分析和翻译应用提供了便利。相较于Qwen-Audio，Qwen2-Audio在架构和性能上进行了全面优化，预训练阶段采用更自然的语言提示，提升理解和泛化能力。指令跟随能力增强，能更准确理解用户指令。模型引入语音聊天和音频分析模式，输出符合人类期望。在性能测试中，Qwen2-Audio超越OpenAI的Whisper-large-v3，在语音识别和翻译准确性上表现出强劲竞争力。

最近，一首由人工智能创作的歌曲《Verknallt in einen Talahon》凭借feat. udio.com的标识成功跻身德国百大排行榜，达到了第72位，其在Spotify上的表现更为亮眼，位列第27位。这一现象不仅反映了人工智能在音乐创作领域的潜力，也标志着音乐消费方式的转变。排行榜的评定综合考虑了独特的听众数量、播放时间、Shazam识别次数以及iTunes购买量等指标。这首歌曲在各大音乐平台均可收听，包括Spotify。这一成就表明，人工智能参与的音乐作品正日益受到市场和听众的欢迎。

美国唱片业协会（RIAA）对音乐生成初创公司Udio和Suno提起诉讼，指控其使用版权保护音乐训练AI模型。Suno承认使用了受版权保护的歌曲进行训练，并声称这是合理使用。然而，RIAA认为这些行为不符合合理使用原则，且对艺术家的生计构成威胁。此案件的判决可能为AI音乐训练领域设定重要先例，影响相关公司的未来和行业规范。

阿里巴巴最新推出的CosyVoice语音合成模型和SenseVoice语音识别模型，共同构成了FunAudioLLM框架，旨在提升人机交互体验。CosyVoice以其逼真的声音生成能力，能模仿不同性别、年龄和个性的声音，添加情感和风格，甚至模拟自然特征如笑声、咳嗽和呼吸。SenseVoice则专注于高精度的多语言语音识别、情感识别和音频事件检测，支持超过50种语言，反应速度快。FunAudioLLM的语音到语音翻译功能实现了快速而准确的跨语言交流，同时，它在情感交互方面的表现也极为出色，能根据用户情绪做出恰当的回应。对于文学爱好者，FunAudioLLM的有声书制作技术能提供富有表现力的朗读体验。这些技术突破预示着人机交互的未来将更加自然、人性化，为教育、娱乐、客户服务等领域带来革命性变化。

​在线设计平台Canva宣布计划收购澳大利亚生成式AI内容和研究初创公司Leonardo.ai，这是其构建“世界级视觉AI工具套件”目标的一部分。尽管交易的财务条款尚未披露，但Canva将获得Leonardo.ai一系列用户可定制的文本到图像和文本到视频生成器的使用权。

Meta在Instagram推出名为“AI Studio”的新工具，允许美国用户创建个人AI形象，旨在增强与粉丝的互动。AI形象能直接交流、回复评论，仿佛用户的虚拟化身，通过网页或App访问。用户可定制内容、设定互动规则，甚至开启自动回复功能。AI形象的创建允许定制化，既可与用户相似，也可生成全新角色，用于Meta各应用中。此举旨在与Character.AI和Replika等平台竞争，为创作者提供与粉丝沟通的新工具。AI形象具有明显标识，用户手册详细指导创建过程，明确禁止讨论主题，如投资建议。未来，预计Instagram上AI形象将增多，带来用户与创作者互动的新体验。

Meta宣布关闭其明星聊天机器人项目，这些项目曾让用户与名人的虚拟替身互动。尽管项目获得了大量推广，但现已不再提供服务。Meta的重心转向了AI Studio，一款允许用户创作自己聊天机器人的新工具。最初项目包括Coco、Victor和Amber等虚拟角色，但未能达到预期目标，尤其是未能吸引更多明星参与，导致投资回报率不高。尽管如此，Meta仍对AI聊天机器人持有积极态度，其AI助手已集成至多个平台，如Facebook、Instagram、Messenger和WhatsApp，继续探索AI应用。

Meta近日宣布推出一款名为AI Studio的新工具，允许美国用户在Instagram或网络上创建自己的AI版本。该公司表示，创作者和企业主可以使用这些AI档案与粉丝互动，直接在聊天线程中交谈并回复评论。

Stability AI近推出开源音频生成模型Stable Audio Open，能生成最长47秒，采样率44.1kHz，采用开放权重设计，允许用户查阅、修改和扩展，推动科研及开发者创新。使用Creative Commons许可音频训练确保数据合法和道德性。模型技术架构先进，支持高质量立体声生成，多样性和高保真度得到验证，与顶尖模型表现相当。这一工具对研究者、艺术家和开发者极具价值，标志着音频生成领域的重要进展。

阿里云推出“Qwen-Audio”，一款大型音频语言模型，革新语音交互体验。型号能接收多种音频输入，执行音频分析并直接响应语音指令。用户提供独特的音交互模式，无需文字输入，直接通过语音交流，并在音频中提供声音和文本分析。具备智能理解能力，能够结合多音源指令并解析，如区分单一声音、多声道对话及命令，并协助音频解释和响应。性能超越先前优秀模型，特别是在基于音频的指令跟踪功能与聊天模式上。具备开源特性，促进多模态语言发展。产品将分为Qwen2-Audio和Qwen-Audio-Chat，进一步优化多种音频操作体验。在无需特定任务调整的前提下，模型展示了卓越性能。特别在英文自动语音识别（ASR）与聊天任务上表现出色。强调跨声音、音乐和混合音频集的强大指令跟踪功能，显著优于其他大型语言模型（LALM）与Qwen-Audio。