OpenAI 的 Sora 或许已告一段落,但谷歌显然认为让用户出镜自己的 AI 视频工具仍有市场需求。本周四,这家科技巨头宣布对 Google Vids 进行更新,用户只需上传一张自拍照和一段语音录音,即可创建一个外貌与声音均与本人相似的专属数字分身。
与此同时,谷歌宣布将旗下多模态 AI 模型 Gemini Omni 引入 Vids。用户可以通过文字提示与参考图片的组合方式来生成视频,Omni 会将这些输入内容融合,生成用户所需的 AI 视频。此外,该功能还支持替换视频背景、修正手机录像中的光线问题以及添加特效等操作。
值得一提的是,Omni 现已支持逐步编辑功能,用户可以在制作过程中随时对视频进行修改,无需从头开始重新制作。
上述更新推动 Google Vids 从最初定位的 AI 辅助职场演示工具,向一站式视频创作平台迈进。谷歌将 Vids 纳入 Google Workspace 生态,意在将其打造为用于企业动态发布或培训视频制作等商业场景的工具。而个性化数字分身与对话式编辑功能的加入,也让 Vids 与 HeyGen、Synthesia、Captions、D-ID 等 AI 视频创业公司及工具的竞争更加直接。
谷歌表示,新推出的 AI 数字分身将与账户持有人的个人形象绑定,关联至其谷歌账号,并通过 SynthID 进行隐形水印标记。这也意味着,不会有人能像此前 OpenAI CEO 萨姆·奥特曼开放 Sora 时那样,用该工具制作谷歌 CEO 桑达尔·皮查伊的奇异 AI 视频了。
此外,谷歌还表示,个人数字分身功能仅向特定地区年满 18 周岁的用户开放。
Q&A
Q1:Google Vids 的 AI 数字分身功能是如何创建的?
A:用户只需上传一张自拍照和一段语音录音,Google Vids 便可基于这些内容生成一个外貌与声音均与本人相似的专属数字分身。所创建的数字分身将与用户的谷歌账号绑定,并通过 SynthID 技术添加隐形水印,以确保内容可溯源。该功能目前仅向特定地区年满 18 周岁的用户开放。
Q2:Gemini Omni 在 Google Vids 中具体能做哪些事情?
A:Gemini Omni 引入 Google Vids 后,用户可以通过文字提示结合参考图片的方式生成 AI 视频。此外,Omni 还支持替换视频背景、修正手机录像光线、添加特效等实用编辑功能,同时支持逐步编辑,用户可在制作过程中随时调整,无需从头重来。
Q3:Google Vids 和 HeyGen、Synthesia 这些 AI 视频工具相比有什么不同?
A:Google Vids 最初定位为职场演示辅助工具,归属于 Google Workspace 生态,主要面向企业用户,适用于公司通知、培训视频等商业场景。此次更新引入个性化数字分身和对话式编辑功能后,其能力与 HeyGen、Synthesia、Captions、D-ID 等专注 AI 视频生成的创业产品更为接近,竞争关系也随之加强。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。