AI日报：苹果AI国行版或随iOS 18.6月底上线；Suno v4.5正式上线；Runway发布图像一致性参考功能 AI日报 5月6日?AIbase1、英伟达全新开源自动语音识别模型 Parakeet-TDT-0.6B-V2，语音转录能力再提升 2、Suno v4.5 正式上线，仅限付费用户使用，生成歌曲延长至8分钟 3、Runway发布图像一致性参考功能 Gen-4 References 支持提取人物、场景或风格特征及多图混合 4、Midjourney V7推出全新功能 “Omni-Reference”，让图像生成更灵活 5、Claude AI将升级：网页版酝酿支持MCP定制链接 6、iOS18.6或为中国用户启用AI功能 国行苹果AI或由阿里百度技术支持 7、OpenAI 重返非营利模式，终止营利性实体控制机制 8、Freepik 发布“F Lite”：一个为版权安全而构建的开放 AI 图像模型 9、OpenAI同意以30亿美元收购AI编码助Windsurf 10、谷歌Gemini聊天机器人全新升级：支持多图上传和图像编辑功能 11、ChatGPT 访问量激增，4 月总计达47.86亿次、首次超越 X 12、Excel MCP Server上线 可通过Claude等客户端直接操作Excel文件 13、Claude 移动应用即将推出语音模式，支持多种声音选项 14、新一代唇形同步工具KeySync发布:突破表情泄漏与遮挡难题 1.英伟达全新开源自动语音识别模型 Parakeet-TDT-0.6B-V2，语音转录能力再提升 英伟达推出的Parakeet-TDT-0.6B-V2模型在自动语音识别领域取得了显著进展。该模型结合开源理念与商业应用，提升了转录效率，能够在一秒内完成60分钟音频的转录，且其词错误率接近市场领先水平。 亮点提要： ? 超强转录能力：该模型能在一秒内完成60分钟音频的转录，显著提高语音处理速度。 ?? 技术参数：拥有6亿个参数，结合FastConformer编码器和TDT解码器，词错误率仅为6.05%。 ?? 广泛应用场景：支持多种应用，包括转录服务、语音助手等，兼容Python和PyTorch等开发环境。 详情入口： ?? https://huggingface.co/nvidia/parakeet-tdt-0.6b-v2 2.Suno v4.5 正式上线，仅限付费用户使用，生成歌曲延长至8分钟 Suno音乐生成平台推出了其最新模型v4.5，专为Pro和Premier付费用户设计，显著提升了音质、风格多样性和用户体验。新版本支持更广泛的音乐风格，增强了声线表现和音效层次，同时延长了歌曲生成时长至8分钟。 亮点提要： ?? v4.5支持更广泛的音乐风格，具备智能混搭能力，提升创作自由度。 ?? 声线表现更为饱满，情感表达精准，音域和情感深度显著提升。 ? 歌曲生成时长从4分钟扩展至8分钟，用户可创作更长的音乐作品。 3.Runway发布图像一致性参考功能 Gen-4 References 支持提取人物、场景或风格特征及多图混合 Runway最近推出的Gen-4References功能为其AI视频生成模型增添了图像一致性参考能力，使创作者能够通过上传参考图像来提取人物、场景或风格特征，从而在生成内容中保持高度一致性。 亮点提要： ??? Gen-4References允许用户上传多张参考图像，确保生成内容在不同场景中的一致性。 ?? 该功能支持从电影制作到广告设计等多种创作场景，提升了视觉连贯性。 ?? Runway计划进一步增强该功能，推动AI视频生成技术的成熟与应用。 4.Midjourney V7推出全新功能 “Omni-Reference”，让图像生成更灵活 Midjourney最近推出的“Omni-Reference”功能为图像生成带来了革命性的变化。它允许用户对图像元素进行精确控制，支持多种对象生成和灵活的权重调整，从而提升创作的自由度和一致性。 亮点提要： ?? Omni-Reference功能提供精准的图像元素控制，用户可上传参考图像以生成高度匹配的结果。 ?? 支持多种对象生成，用户可以在单张图像中包含多个对象，适合复杂场景的创作。 ?? 通过动态权重调整，用户可控制参考图像的影响强度，确保细节的一致性与风格的灵活性。 5.Claude AI将升级：网页版酝酿支持MCP定制链接 近日，科技媒体TestingCatalog报道，Anthropic旗下的Claude网页应用将通过引入Model Context Protocol（MCP）进行重大升级。这一新协议旨在打破Claude在谷歌服务方面的限制，预计将为用户提供更灵活的使用体验。 亮点提要： ?? 预计Claude AI将通过MCP标准实现更灵活的第三方服务集成。 ?? MCP标准如同“USB-C接口”，将简化AI与外部工具的连接方式。 ?? 用户可通过网页直接访问第三方工具，提升工作效率，降低本地部署需求。 6.iOS18.6或为中国用户启用AI功能 国行苹果AI或由阿里百度技术支持 近日，苹果AI将在iOS18.6系统中首次启用部分功能，背后有阿里巴巴和百度的技术支持。由于政策限制，海外大模型无法在中国提供服务，百度的文心一言大模型将成为国行版苹果AI的核心引擎。同时，为确保内容合规，苹果引入阿里巴巴的审查机制。 亮点提要： ??? 苹果AI将在iOS18.6中首次启用，背后有阿里和百度的技术支持。 ?? 百度的文心一言大模型将作为国行版苹果AI的核心智能引擎。 ?? 阿里巴巴将提供审查机制，确保AI生成内容符合国内法规要求。 7.OpenAI 重返非营利模式，终止营利性实体控制机制 OpenAI 宣布重返非营利模式，结束营利性实体的控制，重组为公益公司。这一变动回应了外界对其商业化的担忧，尤其是来自埃隆·马斯克的批评。新的治理结构将确保社会效益透明，同时允许继续吸引风险投资。 亮点提要： ?? OpenAI 宣布重返非营利模式，终止营利性实体控制机制。 ?? 新设公益公司仍在非营利组织监督下，目标成为全球最大慈善实体之一。 ?? 调整后的架构将确保社会效益指标的透明度，同时保持商业运作空间。 8.Freepik 发布“F Lite”：一个为版权安全而构建的开放 AI 图像模型 Freepik最近推出了其文本到图像生成模型“F Lite”，旨在为因版权问题而备受争议的生成器提供合法且安全的替代方案。F Lite基于Freepik自有的商业授权图像库进行训练，拥有约100亿个参数。尽管在生成插图和矢量风格作品方面表现出色，但在生成照片级逼真图像时仍存在不足。 亮点提要： ??? F Lite是Freepik推出的文本到图像生成模型，旨在提供版权安全的替代方案。 ?? 该模型基于Freepik自有图像库训练，拥有约100亿个参数，强调合法审查数据的重要性。 ?? 尽管在插图生成方面表现优异，但F Lite在生成照片级图像时仍面临细节缺失等挑战。 9.OpenAI同意以30亿美元收购AI编码助Windsurf OpenAI近期宣布以约30亿美元收购人工智能编码助手Windsurf，此交易是其迄今为止最大的一笔收购，显示出其在AI领域的雄心和实力。Windsurf的技术在开发者社区中备受推崇，此次收购可能会引发行业内的广泛讨论，尤其是在OpenAI与其他AI编码助手之间的竞争关系上。 亮点提要： ?? OpenAI以约30亿美元收购人工智能编码助手Windsurf，标志着其最大收购案。 ?? 收购引发对OpenAI与其他AI编码助手竞争关系的担忧。 ?? OpenAI缩减转型计划，面临法律挑战和外界批评。 10.谷歌Gemini聊天机器人全新升级：支持多图上传和图像编辑功能 谷歌的Gemini聊天机器人最近进行了重要的更新，新增了多图上传和AI图像编辑功能。该更新目前已向部分用户开放，允许在网页端同时上传多张图片，并对AI生成的图像进行编辑。尽管这些功能尚未在所有账户中完全开放，但它们为用户提供了更大的创作灵活性，提升了整体用户体验。 亮点提要： ??? 新增多图上传功能，部分用户已可同时上传多张图片。 ?? 引入AI图像编辑功能，用户可更改背景和替换物体。 ?? 用户需遵循谷歌使用条款，确保合规性。 11.ChatGPT 访问量激增，4 月总计达47.86亿次、首次超越 X 根据Similarweb发布的2025年4月网站流量报告，ChatGPT的访问量达到了47.86亿次，首次超过社交媒体平台X的40.28亿次，显示出生成式AI工具的快速普及。ChatGPT在工作日的访问量接近2亿次，反映出其作为生产力工具的广泛应用。 亮点提要： ?? ChatGPT在2025年4月的访问量达47.86亿次，首次超过社交媒体平台X的40.28亿次。 ?? 工作日访问量接近2亿次，表明ChatGPT作为生产力工具的广泛应用。 ?? ChatGPT的用户基础在全球范围内持续扩大，尤其是在移动端的强劲增长。 12.Excel MCP Server上线 可通过Claude等客户端直接操作Excel文件 Excel MCP Server是一款开源工具，基于模型上下文协议（MCP）开发，允许用户通过AI助手直接操作Excel文件，无需安装微软Excel软件。该工具功能强大，支持创建、读取、修改Excel数据，生成图表和透视表，极大地方便了用户的表格处理工作。 亮点提要： ??? Excel MCP Server允许用户通过AI助手直接操作Excel，无需安装微软Excel软件。 ?? 该工具支持创建、读取、修改Excel数据，生成图表和透视表，功能全面。 ?? 作为开源项目，Excel MCP Server促进了社区开发，支持多种AI客户端的无缝集成。 详情入口： ?? https://top.aibase.com/tool/excel-mcp-server 13.Claude 移动应用即将推出语音模式，支持多种声音选项 Claude 移动应用即将进行重要升级，推出备受期待的语音模式功能。该模式采用推按式对话，支持多种声音选项，并具备网页搜索能力，搜索结果以要点形式呈现，便于用户理解和跟进。此外，用户可以上传文件作为上下文参考，提升了交互体验。 亮点提要： ?? Claude 移动应用即将上线语音模式，采用推按式对话并支持多种声音选项。 ?? 语音模式支持网页搜索，输出结果以要点形式呈现，用户可方便浏览。 ?? 该功能还支持文件上传，让用户可以在对话中使用图片或文档作为上下文参考。 14.新一代唇形同步工具KeySync发布:突破表情泄漏与遮挡难题 KeySync是一款创新的唇形同步工具，成功解决了AI唇形同步中的表情泄漏和嘴部遮挡问题。其独特的两阶段框架设计使得唇部动作更加自然和精准，适用于影视制作、动画、虚拟主播等多个领域。 亮点提要： ?? KeySync通过创新算法解决了表情泄漏和嘴部遮挡问题，提升了唇形同步的精准性和自然度。 ?? 该工具支持高分辨率视频处理，优化了时间连贯性，确保唇部动作流畅自然，避免了传统工具的常见问题。 ?? KeySync的广泛应用前景为影视、动画、虚拟主播等行业带来了新的机遇，提升了多语言视频的质量和制作效率。 详情入口： ?? https://github.com/antonibigata/keysync ↓点击阅读原文，进AIbase官网. 阅读原文