OpenAI宣布正式开始向一小群 ChatGPT Plus 用户推出高级语音模式。高级语音模式提供更自然、实时的对话，让用户可以随时打断，并感知和回应用户的情绪。
此 Alpha 版中的用户将在其移动应用程序中收到一封包含说明和消息的电子邮件。目前，已经获取测试权限的用户会收到OpenAI发送邮件。
官方将继续滚动添加更多用户，并计划在秋季让 Plus 上的每个人都能访问。另外，OpenAI透露视频和屏幕共享功能也将会推出。
据了解，OpenAI用45种语言的100+ 外部红队员测试了 GPT-4o 的语音功能。为了保护人们的隐私，训练了模型只用四种预设的声音说话，并且构建了系统来阻止与这些声音不同的输出。
OpenAI正还计划在8月初分享一份关于 GPT-4o 的能力、局限性和安全性评估的详细报告。
Agent AI 时代，比我们想象中来得要早一些。 北京时间周五凌晨，OpenAI 突然开启了新产品直播。 本次发布的是全新的 ChatGPT Agent，它实现了通用智能体（Agent）能力的关键升级。
OpenAI推出ChatGPT智能体，整合网页交互、数据搜索与多模态协作功能，可完成代码生成、PPT制作、金融分析等复杂任务。该智能体融合Operator的网页自动化操作、Deep Research的数据分析能力及优化后的GPT-4对话引擎三大核心模块。目前面向付费用户开放，Pro版近乎无限使用，其他版本每月限50次任务。OpenAI承认其仍存在金融建模需人工验证、非英语文本解析准确率低等技术局限，并
【AI日报】今日AI领域重要动态：1)百度推出无广告智能搜索助手Tizzy.ai，整合影视资源与深度思考功能；2)12306开源火车票查询引擎上线，采用FastAPI架构实现秒级响应；3)ChatGPT向Plus用户全面开放录音功能，支持实时记录与内容总结；4)开源SaaS模板FireGEO助力快速构建现代化Web应用；5)国产工具ReadMeX可一键生成高质量GitHub文档；6)百度AI助手新增视频通话功能，支持方言识别；7)Jacky
【AI日报】汇总了近期AI领域重要进展：1)月之暗面推出Kimi Playground平台，实现从对话助手到智能助理的转变；2)OpenAI发布ChatGPT Agent，支持自主执行浏览、购物等任务；3)Suno发布v4.5+版本，新增人声替换等音乐创作功能；4)谷歌Veo3视频生成模型上线，支持文本转视频；5)全球首个直播流扩散模型MirageLSD发布，实现实时视频转换；6)VSCode编程助手Traycer提升大型代码库处理效率；7)ART框架支持Python一键训练AI Agent；8)NVIDIA语音识别模型Canary-Qwen-2.5B词错率创新低；9)Mistral AI推出Le Chat挑战ChatGPT；10)百度小度上线首个支持物理交互的MCP Server；11)Lightricks的LTXV模型实现60秒高质量视频生成；12)开源模型LTX-Video13B支持30倍速高清视频生成。
自从1979年，丹·布里克林（Dan Bricklin）和鲍勃·弗兰克斯顿(Bob Frankston)在苹果当时划时代的 Apple II 电脑上做出了第一张可以自动计算和更新的电子表格 VisiCalc 后，表格就成为了计算机用数据方式理解人类世界的基座。不过，在更多的时候，没人这样讨论它。横横竖竖几个格子，表格无处不在，它看起来太普通了。 然而计算机诸多繁荣的根基，都建立在一张张表格之上，无�
据媒体报道，OpenAI即将推出的AI浏览器，利用人工智能技术彻底重塑用户的网络浏览体验，直接向占据市场主导地位的谷歌 Chrome 发起挑战。 凭借庞大的每周4亿活跃ChatGPT用户基础，OpenAI的浏览器若被广泛接纳，将对谷歌的广告生态系统、网络数据流和搜索流量构成实质性威胁。谷歌Chrome长期以来是Alphabet广告业务的基石，为其精准广告投放和将流量导向自家搜索引擎提供了关�
小米YU7已开启交付，首批车主都已经提车回家了。 今天小米汽车官方介绍，YU7延续了SU7的设计理念，充分针对苹果用户优化用车体验，打造让苹果用户也能轻松上手的车型。 首先是iPhone控车更加便捷高效： 支持UWB近场控车与iOS小组件远程控车，比如携带激活了UWB钥匙的苹果手机站在车前3秒，就能打开前备箱； 也可以通过iPhone上的Action Button自定义车控功能，比如一键控车�
SpaceX已承诺向xAI投资20亿美元，作为其50亿美元股权融资的一部分。在马斯克旗下xAI加速追赶竞争对手OpenAI之际，此举进一步强化了其旗下公司的协同效应。 紧随xAI与X的合并完成，这笔投资使合并后公司估值跃升至1130亿美元。目前，Grok聊天机器人已应用于星链（Starlink）客服业务，并计划未来集成至特斯拉（Tesla）的Optimus人形机器人。 不过，Grok近期因其部分回复内容引发争
本文分析了当前主流AI语音大模型的核心优势与应用场景。全球顶尖模型包括：OpenAI Whisper（多语言识别与翻译）、Google Gemini（情感化语音生成）、Meta AudioCraft（音乐创作与风格转换）。国内讯飞星火（方言识别）、阿里通义（电商客服）、百度文心（车载场景）表现突出。技术突破点在于云端协同架构、零样本克隆和情感语音合成。选择模型需考虑语言支持、场景适配、部署
百度文库即将在8月发布GenFlow2.0版本，该版本具备更强大的多模态能力，支持生成多种内容形态，大幅缩短任务交付时间。相比OpenAI同日发布的ChatGPT+Agent，百度文库早在4月就已上线GenFlow1.0，实现全场景覆盖和全链路调度。GenFlow基于MoE架构，在成本、性能和效率上占优，能快速生成PPT、研报等多样化内容，且依托百度14亿专业文档资源，内容质量更可靠。此外，GenFlow还能调用用户个人数据实现个性化定制，并提供内容后期编辑功能，灵活性更高。
