/
多模态交互 关键字列表
谷歌AI搜索模式新增PDF分析和实时视频功能
谷歌今日宣布升级AI搜索模式，新增四大核心功能。用户现可在桌面浏览器中对图像提问，未来几周将支持PDF文档上传分析。Canvas功能让用户跨会话构建项目计划，通过动态侧边栏持续更新进度。Search Live集成视频输入，基于Project Astra技术实现实时多模态交互。谷歌镜头正式登陆Chrome桌面版，用户可直接询问页面内容并获得AI概览。
Amazon Nova Sonic AI 不只是听懂你说什么，还能理解你的语气
亚马逊推出了一款名为 Nova Sonic 的 AI 语音模型，它不仅能理解语音内容，还能捕捉说话者的语气、犹豫等细微变化。这个模型整合了语音识别、回复生成和语音合成功能，能够实现更自然的对话交互。Nova Sonic 可以根据说话者的语气调整回应，理解对话中的停顿，并能适当处理打断等情况，从而提供更智能、更人性化的语音交互体验。
OpenAI董事会主席新AI Agent公司获12亿元，估值320亿
Sierra AI主要通过OpenAI的GPT-4o、o1等模型打造了一个对话式AI Agent平台，主要聚焦在客户服务领域，可以混合处理文本、语音自动执行超复杂工作流程。包括客服咨询、退订商单、订阅更新等。
白皮书
京公网安备 11010802021500号
