Gemini 2.0成P图神器，各种P图只需一句话的事儿，可把网友馋哭了
Gemini 2.0成P图神器，各种P图只需一句话的事儿，可把网友馋哭了Gemini 2.0说说话就能一键P图的功能爆火，把玩不了的大伙儿都馋哭了！
来自主题: AI资讯
8138 点击 2024-12-16 20:28
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
Gemini 2.0说说话就能一键P图的功能爆火，把玩不了的大伙儿都馋哭了！
这几天，学术圈的小伙伴肯定都很关注正在加拿大温哥华举办的机器学习顶会——NeurIPS 2024。本届会议于今日落下帷幕，共接收 15671 篇有效论文投稿，比去年增长了 27%，最终接收率为 25.8%。
最近，语音人工智能初创公司 ElevenLabs，在他们的 ElevenReader 应用中推出了一个叫做 GenFM 的功能，这个功能能通过我们上传的内容，快速制作一期由两名 AI 对话交流的播客。
“它前进着，又跨过了新的一级台阶，耳边仿佛传来由远及近的低语：前方，即是世界。”
Netflix宣布《鱿鱼游戏》手游限时开放，计划拓展游戏市场。
今年苹果最热的产品或许就是“Apple智能”功能，但作为核心设备的iPhone，支持型号屈指可数：仅有iPhone 15 Pro和iPhone 16系列，就连去年才发布的iPhone 15都因为苹果宣称的“配置问题”无缘AI。
最近，英国广播公司（BBC）对美国科技巨头苹果公司提出了投诉，原因是苹果推出的一款新产品错误地生成并传播了与 BBC 相关的假新闻。这款名为 “Apple Intelligence” 的产品在英国上线后，通过人工智能技术将多个信息来源的通知进行汇总，并以此向用户推送信息。
谷歌正借助其旗舰产品——Gemini系列（涵盖一系列前沿的生成式人工智能模型、应用及服务）引领行业潮流。那么，Gemini究竟为何物？您该如何充分利用它？相较于OpenAI的ChatGPT、Meta的Llama以及微软的Copilot等其他生成式AI工具，Gemini又表现如何呢？
OpenAI 放出了 o1 Pro、GPT-4o 高级语音、GPTCanavas，就跟孔雀开屏一样 ～ 谷歌最近的大动作是发布了 Gemini 2.0 嘛！2.0 比 1.5 版本快一倍，而且是原生的多模态大模型，能输入和生成语言、声音、图片、视频等。
OpenAI的实时API支持低延迟、双向音频流，使得多模态AI应用（如语音对话Agent）得以实现。它通过WebSocket连接管理对话状态，并提供短语结束检测和语音活动检测（VAD）功能，大大简化了实时语音应用的开发。