苹果今日正式宣布了一批即将随iOS 27、iPadOS 27、macOS 27等系统推出的无障碍新功能。其中,语音控制功能的升级尤为引人关注,为外界预期中全新Siri将具备的智能体能力提供了一次令人期待的早期预览。
每年苹果都会在WWDC开发者大会前提前公布新一批无障碍功能,作为即将发布的iOS、macOS等系统改进内容的首次官方披露。
在今年公布的功能中,最值得关注的一项是:iOS 27中的语音控制功能将借助Apple Intelligence支持自然语言交互。
苹果官方新闻稿对此描述如下:
借助Apple Intelligence,语音控制变得前所未有的直觉化。它能够通过自然语言帮助存在各类肢体障碍的用户,完全依靠声音来操控iPhone和iPad。通过全新的灵活输入方式,用户可以用自然语言描述屏幕上的按钮和控件,而无需记忆精确的标签名称或数字编号。"说出你所见"这一功能非常适合在各类应用中进行导航,包括Apple地图、文件等具有视觉化布局的应用,用户只需说出"点击关于最佳餐厅的指南"或"点击紫色文件夹"等直觉化语言即可完成操作。此功能还有助于用户在页面元素未经正确无障碍标注的情况下突破使用障碍。
这项功能在无障碍方面的价值显而易见。而据Mark Gurman证实,其背后所依托的智能体能力同样已被整合进iOS 27的全新Siri之中。
早在2024年,苹果就曾宣布Siri将具备一系列智能体相关能力,但这些功能最终遭到推迟。如今,苹果通过此次语音控制功能的升级,实际上已经提前展示了这些能力的雏形。
这一关联最早由Dylan McDonald发现,并附上了苹果的演示视频进行分享。
从视频内容来看,Siri一旦获得智能体能力,将在iPhone、iPad、Mac以及Vision Pro上发挥极为强大的作用。能够直接对设备开口,描述眼前所见的一切,并让设备理解意图、自动采取行动,这种体验本身就令人感到惊喜。
综合苹果2024年的官方公告,以及Mark Gurman等人的持续报道来看,上述能力预计将在数周内正式落地。
关于iOS 27全新Siri更多功能的传闻详情,欢迎参阅我们的相关报道。
Q&A
Q1:iOS 27的语音控制功能有哪些新变化?
A:iOS 27中的语音控制功能引入了自然语言交互能力,由Apple Intelligence提供支持。用户无需记忆精确的按钮标签或编号,可以直接用日常语言描述屏幕上的内容来进行操作,例如说"点击关于最佳餐厅的指南"或"点击紫色文件夹"。这一功能尤其对存在肢体障碍的用户极为友好,同时也能在页面元素未经无障碍标注时帮助用户正常使用应用。
Q2:iOS 27的Siri会获得哪些智能体能力?
A:根据苹果2024年的公告及多位记者的报道,新版Siri预计将具备理解用户所见内容并自动采取相应操作的智能体能力。这意味着用户可以直接用语音描述屏幕上的任何内容,Siri将能理解意图并执行操作。这些能力此前曾遭推迟,目前已通过iOS 27语音控制功能的升级得到初步呈现,预计将在数周内正式发布。
Q3:Apple Intelligence对Siri的提升体现在哪里?
A:Apple Intelligence为Siri带来了更强的自然语言理解能力,使其能够识别用户在屏幕上看到的内容并做出智能响应。这一底层能力不仅支撑了iOS 27中语音控制的全新体验,也是新版Siri智能体功能的核心基础,未来将覆盖iPhone、iPad、Mac和Vision Pro等多个平台。
好文章,需要你的鼓励
英国政府在AI采纳峰会上宣布设立2亿英镑专项基金,旨在帮助企业提升AI技能并推广AI应用。资金将用于多项举措,包括为中小企业提供AI培训、设立AI采纳成长实验室、扩大Sparck AI奖学金计划等。思科、IBM、BT、劳斯莱斯等30余家企业参与其中。政府还与谷歌、微软、Anthropic及OpenAI签署联合声明,共同推动AI负责任发展,并设立"亲劳工AI采纳奖",表彰在提升生产力和员工技能方面表现突出的企业。
ZipSplat是苏黎世联邦理工学院提出的三维高斯泼溅框架,通过K-means令牌聚类将Gaussian数量减少最高33倍,同时在多个基准上超越现有方法,推理时无需重新训练即可调节质量与效率的平衡。
微软在6月补丁日修复了高危零日漏洞CVE-2026-45586,该漏洞由化名"Nightmare Eclipse"的研究员披露。此前双方因漏洞披露协议破裂而交恶,研究员陆续公开多个未修复漏洞。本次修复的漏洞涉及Windows协作翻译框架,属本地权限提升类型,可被链式利用获取SYSTEM权限。此外,研究员披露的另一漏洞MiniPlasma似乎也已被悄然修复,但微软未提供相关CVE编号。本轮补丁共修复约200个漏洞。
Stability AI提出Stable-Layers框架,无需标注数据,用视觉语言模型打分结合Flow-GRPO强化学习微调图像分层模型,显著提升分层质量。