AI日报：复旦、百度新模型可生成1小时长视频；全新ChatGPT Windows版本上线；NotebookLM又上2个新功能

欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。

新鲜AI产品点击了解:https://top.aibase.com/

1、面向付费用户!全新ChatGPT Windows版本上线:快捷键即可召唤AI助手

OpenAI推出了全新的ChatGPT Windows应用早期版，为付费用户提供便捷的AI助手体验。用户只需按下Alt Space组合键即可召唤ChatGPT，无需每次打开网页。应用目前仅对付费用户开放，但计划在完善后也会让免费用户有机会体验。虽然测试版应用功能暂不完善，但OpenAI承诺会持续更新以提升用户体验。

【AiBase提要:】

🌟 ChatGPT Windows应用仅对付费用户开放，支持多种付费账号类型。

💡 按下Alt Space组合键即可轻松召唤ChatGPT进行对话，方便快捷。

🔧 测试版应用暂时缺少一些复杂功能，但将持续更新以完善体验。

2、OpenAI重磅发布GPT-4O-Audio-Preview

OpenAI最新推出的GPT-4O-Audio-Preview模型在语音处理领域展现出惊人能力，不仅能生成自然流畅的语音响应，还具备情感分析和语音交互功能，开启了新的人机交互可能性。该模型灵活支持多种模式组合，定价策略反映了音频处理的复杂性。推出将在客户服务、教育、娱乐和辅助技术领域带来革新。

【AiBase提要:】

🔊 模型具备生成自然流畅语音响应能力，支持语音助手和虚拟客服应用。

🎶 具备分析音频情感、语调和音调的能力，适用于情感计算和用户体验分析领域。

🗣 支持语音到语音的互动，为全方位语音交互系统打下基础。

详情链接:https://platform.openai.com/docs/guides/audio/quickstart

3、Google升级AI笔记和研究助手NotebookLM

Google宣布对NotebookLM进行重大升级，增强音频概览功能，让用户更精准引导AI生成对话内容。更新包括自定义音频概览和后台收听功能，提升用户体验。商业版试点计划启动，展望更广泛的应用场景。

【AiBase提要:】

🔊 音频概览功能升级，用户可自定义引导AI对话内容。

🎙️ 新增后台收听功能，用户可同时工作和收听音频。

💼 商业版试点计划启动，企业可提前体验新功能并获得支持。

4、复旦、百度联手打造全新AI模型Hallo2可生成4K超高清 1小时超长视频!

复旦大学和百度公司联合开发的Hallo2AI模型将彻底改变人物动画生成的现状，为电影制作、虚拟助手、游戏开发等领域带来革命性变化。该模型结合了latent diffusion models、Patch-drop数据增强技术、高斯噪声增强技术、VQGAN离散码本预测技术和文本提示控制机制，在生成高质量、长序列人物动画方面表现优异。

【AiBase提要:】

⚙️ Hallo2模型结合了多项创新技术，包括Patch-drop数据增强、高斯噪声增强、VQGAN离散码本预测和文本提示控制机制。

🌟 Hallo2在多个公开数据集上验证，超越现有方法，在生成高质量、长序列人物动画方面表现出色。

🚀 Hallo2模型的发布标志着AI人物动画生成技术迈上新的台阶，未来将进一步优化效率和探索更多应用领域。

详情链接:https://fudan-generative-vision.github.io/hallo2/#/

5、特斯拉Optimus机器人再进化:自主导航、爬楼梯、与人互动成现实

特斯拉最新发布的Optimus机器人展示了令人瞩目的新功能，从自主导航到与人类互动，彰显人工智能和机器人技术的飞速进步。Optimus的自主导航能力、能源管理自主性、负载能力提升等方面都展现出巨大潜力。

【AiBase提要:】

🤖 自主导航能力:Optimus能在复杂环境中自如穿行，多台机器人可协同工作优化导航效率。

🔋 能源管理自主性:Optimus能自动定位充电站实现自主充电，提高工作持续性和效率。

🏋️‍♂️ 负载能力提升:Optimus能搬运重达11公斤的电池托盘，开拓工业和物流应用新可能性。

6、谷歌人事大调整:Gemini团队并入DeepMind，搜索领导层大变动

谷歌最近进行了重要的领导层变动和团队结构调整，包括K&I团队和Gemini团队。新任领导人的接任和团队整合将对公司的技术发展和AI项目合作产生重大影响。

【AiBase提要:】

🌟 Nick Fox接任谷歌K&I团队新负责人，将继续推动搜索、广告、地理和商务产品的发展。

🔧 Prabhakar Raghavan转任谷歌首席技术官，致力于为公司的技术发展提供方向和支持。

🤖 Gemini团队与谷歌DeepMind整合，旨在加强应用团队和Gemini模型团队之间的合作。

7、上传一段音乐秒变钢琴曲!AMT-APC算法一键生成大师级钢琴演奏

近日，武蔵野大学数据科学学院的研究人员开发了AMT-APC算法，通过结合AMT模型和微调技术，实现更精准生成接近原曲的钢琴演奏版本。该算法突破了现有自动生成钢琴曲技术的局限，提升了音质保真度和表现力。

【AiBase提要:】

⭐ AMT-APC算法利用AMT模型优势，通过微调生成更接近原曲的钢琴演奏版本。

🎵 核心策略包括预训练和微调，使AMT模型能够处理更长音乐片段并生成符合原曲风格的钢琴演奏。

🎹 引入风格向量概念，学习不同演奏风格，提升生成钢琴曲的表现力和音质保真度。

详情链接:https://misya11p.github.io/amt-apc/

8、苹果Siri AI新功能:ChatGPT 集成和图像生成

苹果正致力于为iOS18、iPadOS18和macOS15添加新的Apple Intelligence功能，其中包括ChatGPT集成和图像生成。ChatGPT将为Siri提供更先进的文本和图像生成能力，而Visual Intelligence则将为iPhone16用户提供相机控制按钮功能。iOS18.1、iPadOS18.1和macOS Sequoia15.1预计将于10月28日发布，而iOS18.2、iPadOS18.2和macOS Sequoia15.2的测试版也将很快推出。

【AiBase提要:】

🔍 Siri将集成ChatGPT，提供更先进的文本和图像生成能力。

📸 iPhone16将获得Visual Intelligence功能，通过相机控制按钮提供周围物体信息。

🚀 iOS18.2将支持Image Playground图像生成、Genmoji和Image Wand。

9、仅十亿参数!AI图像生成模型Meissonic

Meissonic是一款仅用十亿个参数就能生成高质量图像的开源AI模型。其采用了并行迭代优化的训练方法，使得在图像生成速度上比传统模型快99%。尽管参数量小，Meissonic在多项测试中表现超越更大模型，且能实现无训练的图像修补和扩展功能。

【AiBase提要:】

🌟 紧凑设计的Meissonic适合普通游戏PC和未来的移动设备使用。

⚡ 采用并行迭代优化的训练方法，Meissonic在图像生成速度上比传统模型快99%。

🏆 尽管参数量小，Meissonic在多项测试中表现超越更大模型，且能实现无训练的图像修补和扩展功能。

详情链接:https://huggingface.co/spaces/MeissonFlow/meissonic

10、Perplexity推出内部知识搜索功能，企业可同时查询内外部数据

Perplexity公司推出了新功能“内部知识搜索”，旨在提高企业工作效率，让用户更便捷获取所需信息。用户上传自选文件，避免低价值信息干扰搜索，提高效率。新增“空间”功能支持团队文件共享与AI助手定制。

【AiBase提要:】

📁 用户只能上传自选文件，避免低价值信息干扰搜索，提高效率。

🔍 Perplexity推出“内部知识搜索”功能，支持用户同时查询内外部数据。

🤝 新增“空间”功能，支持团队文件共享与AI助手定制。

11、自动驾驶公司小马智行拟赴美IPO 估值已超85亿美元

小马智行计划赴美IPO，估值超过85亿美元。公司成立于2016年，专注自动驾驶解决方案，已完成9轮融资超过10亿美元。营收主要来自Robotaxi业务，2024年上半年同比增长86%。

【AiBase提要:】

🌍 小马智行计划赴美IPO，股票代码为“PONY”，估值超过85亿美元。

💰 公司成立于2016年，已完成9轮融资超过10亿美元，估值达85亿美元。

🚖 Robotaxi业务是主要收入来源，2024年上半年同比增长86%。