Search

Tag: #multimodal-ai55 results

Gemini Omni 影片模型 I/O 前曝光

Google 的 Gemini Omni 影片模型短暫在網上曝光，揭示即將推出的影片編輯功能。此洩漏發生在其預計於 Google I/O 2026 亮相之前。

TestingCatalogMedia•May 11#video-editing #multimodal-ai #google-io

使用 NVIDIA 建構車內 AI 代理

汽車駕駛艙正從規則基礎介面轉變為代理式、多模態 AI 系統，能推理、規劃與行動。目前車輛助理依賴固定命令-回應模式，無法擴展至現代需求。NVIDIA 提供從雲端到車輛的建構指南。

NVIDIA Developer BlogOfficial•May 5#in-vehicle-ai #ai-agents #automotive-cockpit

Google 測試 Omni 影片生成模型，即將於 I/O

Google 正在測試名為 Omni 的全新影片生成模型，可能為 Gemini 工具。使用者介面洩漏顯示其即將於 2026 I/O 亮相。這顯示 Google 進軍進階多媒體 AI 的意圖。

TestingCatalogMedia•May 2#ui-leaks #multimodal-ai #model-testing

微軟自研 AI 三件套落地 2027 自主模型

微軟推出三款內部 AI 模型：MAI-Transcribe-1 語音轉錄、MAI-Voice-1 語音生成、MAI-Image-2 圖像創作，針對企業高價值 AI 能力。此舉支持微軟 2027 年獨立打造頂尖模型目標，降低對 OpenAI 依賴。

cnBeta (Full RSS)Media•Apr 3#multimodal-ai #enterprise-tools #microsoft-strategy

阿里巴巴推出 PrismAudio 視頻轉音頻框架

阿里巴巴通義實驗室推出 PrismAudio，一個視頻轉音頻生成框架。它使用「先思考後生成」AI，從視頻產生完美同步的環境音效。這推進了多模態 AI 在內容創作的應用。

PandailyMedia•Mar 25#video-to-audio #multimodal-ai #sound-generation

Google Search Live 全球擴展搭載 Gemini 3.1

Google 將 Search Live 全球推廣至超過 200 個提供 AI Mode 的國家，繼去年 9 月美國推出後。該功能允許使用者將手機相機對準物件或場景提問，現已升級至 Gemini 3.1 Flash 模型，提供更自然、更快速且多語言對話。可透過 Android 和 iOS 的 Google 應用程式或 Lens 存取。

EngadgetMedia•Mar 18#multimodal-ai #vision-search #google-lens