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
一名因游泳事故导致胸部以下瘫痪的男子,通过脑植入芯片重新获得了自主进食和饮水的能力。研究人员为其安装了脑机接口,不仅帮助他重新活动手臂,还通过信号反馈重建了触觉感知。经过35周训练,其右臂力量提升86%,左臂提升62%。更令人惊喜的是,该技术似乎部分重塑了其神经系统,即使在系统关闭后,部分手部功能和感觉仍得以保留。
KR Labs与维也纳工业大学提出RuleChef框架,利用大型语言模型在学习阶段自动生成可读规则,推断时仅运行规则,兼顾透明性与高效性,在命名实体识别和意图分类任务上验证了有效性。
受AI数据中心能源需求激增推动,能源企业IPO融资规模创本世纪新高。今年上半年,能源企业IPO融资达126亿美元,为1999年互联网泡沫顶峰以来最高水平,远超2025年全年的43亿美元。典型AI数据中心年均耗电约87.6万兆瓦时,美国电力需求预计在2026至2035年间增长39%。投资者正从芯片股逐步转向核能、地热等能源基础设施企业,看中其相对较低的市盈率(18倍,远低于科技股的40倍)。
腾讯混元联合中科院与南开大学推出的HunyuanOCR-1.5,通过DFlash推测解码实现最高6.37倍推理加速,并用智能体数据构建框架显著增强古文字、低资源语言、多图问答等长尾OCR能力。