ChatGPT 推出 Live Dictation 实时听写功能
ChatGPT 推出 Live Dictation 功能,说话时即可实时转写,不再等录音结束。该功能已在网页、桌面应用及 iOS 和 Android 端向全球所有套餐推出,用户可点击音频波形查看实时文本并在输入框中编辑。OpenAI 同时取消了语音听写 10 分钟的录音时长限制。
ChatGPT 推出 Live Dictation 功能,说话时即可实时转写,不再等录音结束。该功能已在网页、桌面应用及 iOS 和 Android 端向全球所有套餐推出,用户可点击音频波形查看实时文本并在输入框中编辑。OpenAI 同时取消了语音听写 10 分钟的录音时长限制。
ChatGPT 宣布新增实时听写功能,用户对着麦克风说话时语音同步转成文字,不必等录音结束再转写。该功能将陆续向全球所有用户开放,覆盖网页版、桌面客户端及 iOS 和 Android 应用,同时取消原有 10 分钟时长限制。录音结束后可直接在输入框中编辑转写文字。
推荐理由:原文给出了实时听写的使用方式、开放范围和时长限制取消,读者可据此判断它能否替代现有语音输入工作流。
Nothing 首款 AI 设备外观曝光,Sebastian Ingrosso 在 X 平台分享了设备实物图。该设备约巴掌大小、无屏幕、形似录音笔,配有两个实体按键,其一标有红色录音圆点,另一标注「Talk」,并带有状态指示灯。消息人士 Yogesh Brar 称其为 Nothing 旗下首款 AI 设备,但具体用途尚未公布。
GeForce NOW 推出黑色星期五优惠,Performance 与 Ultimate 六个月会员首期立减 30%,活动持续至 11 月 30 日。GeForce NOW 同步登陆运行 Vega OS 的三款 Amazon Fire TV Stick 设备,通过 Amazon 购买合格会员首月立减 90%。五款 Bethesda 游戏的 GOG 版本周加入串流支持,已拥有的会员无需重复购买。
Superhuman(原 Grammarly)将 Go 助理扩展至 Docs、Mail 等产品,并通过 Go SDK 接入 DeepL、Legora、Amplitude、Databricks 等 20 个第三方智能体。
在线设计与出版工具 Canva(可画)宣布推出 AI 开关,允许用户统一关闭或开启绝大多数 AI 工具,免费版和 Pro 版用户均可使用。开关开启后仍会保留背景移除、魔法抓取等 AI 驱动的图像编辑工具;用户还可在素材库中打开“减少 AI”以降低搜索时看到 AI 生成图像的概率,两项设置均可在“个人资料”选项卡中调整,平台级生成式 AI 功能则在设置菜单的“权限”中管理。
Canva 现在允许用户关闭平台上的生成式 AI 功能。用户可在 Profile > Settings > Permission 中关闭 Enable generative AI features。
少数派编辑部分享了近期入手的四件新品体验,涵盖护肤、手机、智能家居与健身配件。OPPO Reno17 Pro 以 3D 冰透悬浮工艺的立体猫头背板与 6.32 英寸屏幕,成为主打影像与女性市场的差异化选择。
Vane.NET 1.0.0-preview.1 发布,它是 Vane 五层架构的 L1 网络层,一个协议无关、零第三方依赖的 .NET 网络内核。该内核支持 TCP、QUIC 等 8 种传输和管线、会话、命令 3 种开发模式,首期发布 Vane.NET、Vane.AspNetCore、Vane.Mcp 三个 NuGet 包。
三星与谷歌、Gentle Monster 联合推出的 AI 眼镜 Intelligent Eyewear 将于 12 月 10 日在韩国和美国正式上市,核心款式预售开启数小时内便售罄。
11 月 19 日,火山引擎正式上线豆包实时音视频通话模型 SeedRealtime 1.0 API 服务,将声音、画面、时序与表达统一到同一端到端模型,实现边看、边听、边说的全模态实时交互。相比依赖 ASR、VLM、TTS 串联的传统级联系统,该模型降低了延迟叠加和信息损耗,音视频对话节奏问题减少了一半,并具备持续环境感知与主动表达能力,可在察觉场景变化或任务节点时主动提醒和介入。
Simon Willison 发布 llm-gemini 0.38,支持今日推出的 Gemini 4 Neon,并对该模型做了实测。Gemini 4 系列定价混乱,Neon 为 $3/$15 每百万 token,目前高于半价的 Carbon($2/$10,12 月 1 日后翻倍至 $4/$20)和 Hydrogen($1.50/$7.50)。
安谋科技推出基于 Arm Cortex-M42 的"星辰100e" AIoT 原型平台,该 CPU 在中国市场命名为"星辰" STAR-MC3,并纳入 Arm Cortex-M 全球产品路线图。
Simon Willison 发布 Datasette 插件 datasette-arrows 0.1a0,基于 Datasette 1.0a43 新增的 register_output_renderer() 插件钩子实现 Apache Arrow 流式导出。
开源截图工具 SnapSharp 新增「一键脱敏」功能,截图后用本地 OCR 识别手机号、邮箱、IP、身份证号、密钥特征等敏感片段,直接叠加马赛克、模糊或黑条,全程离线不上传。
谷歌宣布面向 Android Go 设备开放 Gemini 应用,重新设计应用架构后可在低至 2GB 内存的手机上流畅运行。应用提供文字问答、Gemini Live 语音交流(支持超过 45 种语言)、相机辅助理解与图像创作,用户可通过 Google Play 下载,传音等合作伙伴未来设备将预装。
Google Labs 于 11 月 18 日推出实验性产品智能体 Stitch Loop,可连接代码库与线上实时数据,在软件发布后持续发现问题、提出改进方案并编写代码。
AWS 为 Amazon SageMaker HyperPod 推出三项新能力,用于更早发现分布式训练故障并提升集群 goodput。
谷歌面向符合资格的 Google AI Ultra 订阅用户推出全新 Project Genie 体验,首次开放 Genie 4 访问权限。Genie 4 支持在会话中途输入提示词实时编辑已创建的世界,如切换天气、添加角色、改变动作走向,并首次为视觉内容搭配实时原生音频。
AWS 在 SageMaker Studio 中推出 JumpStart 模型排行榜,可横向比较 70 多个开放权重模型的质量、速度和成本,模型来自 Meta、Google、Qwen、IBM 和 Arcee 等提供商。
推荐理由:原文说明排行榜如何用统一方法测量质量、速度与成本,读者可据此建立从筛选到部署的选型流程,不必再拼接不同来源的数据。
Google DeepMind 发布 Genie 4,其最先进的交互式 3D 世界模型,向 Google AI Ultra 订阅者开放,支持用文本实时改变天气、角色或剧情,并生成随场景适配的原生实时音效。
Snapchat 宣布推出 Easy Lens CLI,开发者可以用 Claude Code、Cursor 和 Codex 等 AI 编程助手,以自然语言描述并构建 AR Lens。
Will Wright 的新作 MyMems 将用 AI 从玩家记忆中挖掘内容。Wright 表示,他想借此把模拟"转向内在"。
AWS Quick User Group DC 举办首次聚会,展示 AWS Quick 演进为统一 AI 助手,新增 agents、skills 及第三方连接器。Financial Independence Group (FIG) 分享了将 AWS Quick 作为企业分析“单一前门”的实践,基于治理数据构建 AI 智能体工作流。参会者在 50 分钟内成功构建定制应用,体验从报表到推理的自动化。
Google DeepMind 今天起向符合条件的 Google AI Ultra 订阅用户推出全新 Project Genie 体验,首次开放 Genie 4 世界模型,Google AI Pro 会员可加入等待列表。
推荐理由:官方说明了 Genie 4 的会话中编辑与实时原生音频能力,并明确了 Google AI Ultra 订阅门槛和 SynthID 水印等安全措施。
迪士尼幻想工程研发部门展示了三款名为 Vilo Vele、Kado Bre'a 和 Jibu Bre'a 的《星球大战》Audio-Animatronic 原型,它们借助 Amazon AWS 云端运行的多个 AI 模型实时回应游客互动。三个机器人将于本月底在拉斯维加斯 AWS re:Invent 大会上首次公开亮相。其动作与台词均由幻想工程师预先编写,AI 仅负责选取和触发,确保角色不偏离设定。
Google 宣布为搜索中的 AI Mode 推出“临时会话”(temporary threads)功能,开启后的对话不会出现在搜索历史或推荐中。用户无需改动设置,点击 AI Mode 右上角的临时会话图标即可开始;会话与账户解绑,AI 回复既不受历史偏好影响,也不会影响未来个性化。该功能已在桌面端和移动端面向所有支持语言全球推出。
Hugging Face 的 Inference Providers 现在默认通过 OpenRouter 路由语言模型请求,按价格、速度和可靠性挑选供应商并在故障时自动切换,现有代码无需改动。
同一新闻,精选展示《Hugging Face 与 OpenRouter 合作,Inference Providers 切换至 OpenRouter 路由》
Mistral 为其 AI 智能体 Vibe(原 Le Chat)推出桌面应用 Vibe Desktop,支持 macOS 和 Windows,用户可同时分配多个任务并观看智能体并行执行。
IBM 时间序列基础模型(累计下载量超 5000 万)现原生集成至 Confluent,云端与本地均可仅凭 CPU 运行、无需 GPU。团队可通过 Apache Flink 用 SQL 对流式数据执行预测、异常检测与语义智能,并把结果直接交给负责后续动作的应用与人员。模型可服务于制造、零售、银行、航空等关键场景,如提前 4 小时预测生产线合格率、评估卡支付信号与预测交易量。
NVIDIA 宣布来自 ASUS、Dell 和 MSI 的 RTX Spark 紧凑型桌面主机现已上市,为本地 AI 智能体、图像与视频生成及模型微调提供专用 Windows PC。
推荐理由:原文列出了硬件规格、本地模型规模上限和软件生态适配,读者可据此判断它能否承接现有本地 AI 工作流。
《模拟城市》与《模拟人生》制作人 Will Wright 正在开发以记忆为核心的 AI 社交模拟游戏 MyMems,计划 2027 年上线。玩家可通过向手机口述短故事等方式添加"记忆",由 AI 生成可放置在游戏地图上的元素,还能用 AI 驱动的虚拟形象代表现实中的人。游戏世界可设为私密或与他人分享,开发商 Gallium Studios 希望让这个星球逐渐成为"你的心理地图"。
AMD 扩展 Instinct MI400 系列,推出 MI450X 显卡加速器,核心规格与 MI455X 完全相同、算力不变,显存从 432GB 降至 288GB HBM4(应为 12 个 24GB 堆栈),峰值显存带宽不变。AMD 表示,对符合其显存容量的工作负载,MI450X 可在满足吞吐量和响应时间目标的同时优化运营成本。
豆包工作官方宣布产品上线 3 个月日活跃用户(DAU)突破 800 万,企业客户年度经常性收入(ARR)突破 20 亿元。豆包工作是豆包面向生产力场景打造的 AI 产品,用户用自然语言描述任务后,它会自主拆解任务、调用工具完成调研分析、内容创作、数据处理等工作。
Suno 推出 Visuals 功能,用户可把 Suno 歌曲生成最多 15 秒、可自动对口型的 AI 视频片段,也能通过提示词生成图片用作缩略图和专辑封面。Visuals 已在网页、iOS 和 Android 上线,底层使用基于 MiniMax H3 的 H3 Move AI 模型,并采用独立的 Visuals 积分,与歌曲积分分开计费。
DeepSeek 官网显示,自北京时间 2026 年 11 月 18 日 12:00 起,调用模型时触发的服务端搜索、网页抓取不再计费,仅按模型 Token 用量计费。
微信宣布私人 AI 助理“小微”用户测试范围扩大,日活跃用户数已达 3000 万,正逐步融入聊天、朋友圈、公众号、视频号等高频场景。小微采用针对成本效率与易用性优化的定制模型 WeLM,推理成本极低且持续下降,官方预计未来部分推理任务将在用户设备端运行。官方还称小微将依托支付与小程序生态构建智能体能力,对微信商业化产生倍增效应。
AI 音乐生成器 Suno 推出 Visuals 功能,可为歌曲生成图片和视频片段。视频基于 MiniMax 视频模型 H3 的定制安全过滤版本 H3 Move,片段最长 15 秒,能跟随歌曲结构、识别歌词并支持对口型;用户可从参考照片、提示词或预设角色开始,歌词视频可调整字体和颜色,提供 Fast 与 Standard 两档质量。
医疗健康AI独立评测与分析平台InclusionMed正式上线,同步推出医疗AI评测图谱InclusionMed Atlas和首期评测指数InclusionMed Index。
开源硬件制造商 Radxa 分享了瑞芯微端侧 AI 协处理器 RK1860 的规格信息,其 NPU 具备 64TOPS 稠密 INT8 算力,集成至多 10GB 内存。该芯片还拥有 4 个 RISC-V CPU 内核,支持 8K30 H.264 / H.265 解码,可扩展 4 条 PCIe Gen3 通道。瑞芯微预计本季度交付 RK1860 工程样品。