AI日報：蘋果AI國行版或隨iOS 18.6月底上線；Suno v4.5正式上線；Runway發佈圖像一致性參考功能

歡迎來到【AI日報】欄目!這裏是你每天探索人工智能世界的指南，每天我們爲你呈現AI領域的熱點內容，聚焦開發者，助你洞悉技術趨勢、瞭解創新AI產品應用。

新鮮AI產品點擊瞭解:https://top.aibase.com/

1、英偉達全新開源自動語音識別模型 Parakeet-TDT-0.6B-V2，語音轉錄能力再提升

英偉達推出的Parakeet-TDT-0.6B-V2模型在自動語音識別領域取得了顯著進展。該模型結合開源理念與商業應用，提升了轉錄效率，能夠在一秒內完成60分鐘音頻的轉錄，且其詞錯誤率接近市場領先水平。通過支持多種開發環境及優化多款GPU硬件，該模型爲開發者提供了強大的工具，助力多樣化的語音應用場景。

【AiBase提要:】

⚡ 超強轉錄能力:該模型能在一秒內完成60分鐘音頻的轉錄，顯著提高語音處理速度。

📊 技術參數:擁有6億個參數，結合FastConformer編碼器和TDT解碼器，詞錯誤率僅爲6.05%。

🌍 廣泛應用場景:支持多種應用，包括轉錄服務、語音助手等，兼容Python和PyTorch等開發環境。

詳情鏈接:https://huggingface.co/nvidia/parakeet-tdt-0.6b-v2

2、Suno v4.5正式上線，僅限付費用戶使用，生成歌曲延長至8分鐘

Suno音樂生成平臺推出了其最新模型v4.5，專爲Pro和Premier付費用戶設計，顯著提升了音質、風格多樣性和用戶體驗。新版本支持更廣泛的音樂風格，增強了聲線表現和音效層次，同時延長了歌曲生成時長至8分鐘。儘管部分用戶對付費限制表示遺憾，但也有人認爲這一創新值得訂閱。

【AiBase提要:】

🎵 v4.5支持更廣泛的音樂風格，具備智能混搭能力，提升創作自由度。

🎤 聲線表現更爲飽滿，情感表達精準，音域和情感深度顯著提升。

⏳ 歌曲生成時長從4分鐘擴展至8分鐘，用戶可創作更長的音樂作品。

3、Runway發佈圖像一致性參考功能 Gen-4References 支持提取人物、場景或風格特徵及多圖混合

Runway最近推出的Gen-4References功能爲其AI視頻生成模型增添了圖像一致性參考能力，使創作者能夠通過上傳參考圖像來提取人物、場景或風格特徵，從而在生成內容中保持高度一致性。這一功能支持多張圖像的混合生成，爲視頻創作提供了更大的控制力與創意自由，極大地簡化了設計流程，推動了AI在影視製作領域的應用。

【AiBase提要:】

🖼️ Gen-4References允許用戶上傳多張參考圖像，確保生成內容在不同場景中的一致性。

🎨 該功能支持從電影製作到廣告設計等多種創作場景，提升了視覺連貫性。

🚀 Runway計劃進一步增強該功能，推動AI視頻生成技術的成熟與應用。

4、Midjourney V7推出全新功能 “Omni-Reference”，讓圖像生成更靈活

Midjourney最近推出的“Omni-Reference”功能爲圖像生成帶來了革命性的變化。它允許用戶對圖像元素進行精確控制，支持多種對象生成和靈活的權重調整，從而提升創作的自由度和一致性。此功能不僅適用於藝術創作，還能在遊戲開發、廣告設計等多個領域發揮重要作用，展示出廣泛的應用潛力。

【AiBase提要:】

🎨 Omni-Reference功能提供精準的圖像元素控制，用戶可上傳參考圖像以生成高度匹配的結果。

🧩 支持多種對象生成，用戶可以在單張圖像中包含多個對象，適合複雜場景的創作。

⚙️ 通過動態權重調整，用戶可控制參考圖像的影響強度，確保細節的一致性與風格的靈活性。

5、Claude AI將升級:網頁版醞釀支持MCP定製鏈接

近日，科技媒體TestingCatalog報道，Anthropic旗下的Claude網頁應用將通過引入Model Context Protocol（MCP）進行重大升級。這一新協議旨在打破Claude在谷歌服務方面的限制，預計將爲用戶提供更靈活的使用體驗。MCP作爲一種開放標準，將簡化大型語言模型與外部數據源和工具之間的通信，提升AI助手的集成能力。

【AiBase提要:】

🌟 預計Claude AI將通過MCP標準實現更靈活的第三方服務集成。

🔗 MCP標準如同“USB-C接口”，將簡化AI與外部工具的連接方式。

🚀 用戶可通過網頁直接訪問第三方工具，提升工作效率，降低本地部署需求。

6、iOS18.6或爲中國用戶啓用AI功能 國行蘋果AI或由阿里百度技術支持

蘋果AI將在iOS18.6系統中首次啓用部分功能，背後有阿里巴巴和百度的技術支持。由於政策限制，海外大模型無法在中國提供服務，百度的文心一言大模型將成爲國行版蘋果AI的核心引擎。同時，爲確保內容合規，蘋果引入阿里巴巴的審查機制。

【AiBase提要:】

🛠️ 蘋果AI將在iOS18.6中首次啓用，背後有阿里和百度的技術支持。

📜 百度的文心一言大模型將作爲國行版蘋果AI的核心智能引擎。

🔍 阿里巴巴將提供審查機制，確保AI生成內容符合國內法規要求。

7、OpenAI 重返非營利模式，終止營利性實體控制機制

OpenAI 宣佈重返非營利模式，結束營利性實體的控制，重組爲公益公司。這一變動迴應了外界對其商業化的擔憂，尤其是來自埃隆·馬斯克的批評。新的治理結構將確保社會效益透明，同時允許繼續吸引風險投資。OpenAI 計劃利用這一模式成爲全球最大的慈善實體之一，預計2024年營收將突破20億美元。

【AiBase提要:】

🌟 OpenAI 宣佈重返非營利模式，終止營利性實體控制機制。

🤝 新設公益公司仍在非營利組織監督下，目標成爲全球最大慈善實體之一。

💡 調整後的架構將確保社會效益指標的透明度，同時保持商業運作空間。

8、Freepik 發佈“F Lite”:一個爲版權安全而構建的開放 AI 圖像模型

Freepik最近推出了其文本到圖像生成模型“F Lite”，旨在爲因版權問題而備受爭議的生成器提供合法且安全的替代方案。F Lite基於Freepik自有的商業授權圖像庫進行訓練，擁有約100億個參數。儘管在生成插圖和矢量風格作品方面表現出色，但在生成照片級逼真圖像時仍存在不足。

【AiBase提要:】

🛡️ F Lite是Freepik推出的文本到圖像生成模型，旨在提供版權安全的替代方案。

💻 該模型基於Freepik自有圖像庫訓練，擁有約100億個參數，強調合法審查數據的重要性。

📊 儘管在插圖生成方面表現優異，但F Lite在生成照片級圖像時仍面臨細節缺失等挑戰。

9、OpenAI同意以30億美元收購AI編碼助Windsurf

OpenAI近期宣佈以約30億美元收購人工智能編碼助手Windsurf，此交易是其迄今爲止最大的一筆收購，顯示出其在AI領域的雄心和實力。Windsurf的技術在開發者社區中備受推崇，此次收購可能會引發行業內的廣泛討論，尤其是在OpenAI與其他AI編碼助手之間的競爭關係上。

【AiBase提要:】

🌟 OpenAI以約30億美元收購人工智能編碼助手Windsurf，標誌着其最大收購案。

🔍 收購引發對OpenAI與其他AI編碼助手競爭關係的擔憂。

⚖️ OpenAI縮減轉型計劃，面臨法律挑戰和外界批評。

10、谷歌Gemini聊天機器人全新升級:支持多圖上傳和圖像編輯功能

谷歌的Gemini聊天機器人最近進行了重要的更新，新增了多圖上傳和AI圖像編輯功能。該更新目前已向部分用戶開放，允許在網頁端同時上傳多張圖片，並對AI生成的圖像進行編輯。儘管這些功能尚未在所有賬戶中完全開放，但它們爲用戶提供了更大的創作靈活性，提升了整體用戶體驗。

【AiBase提要:】

🖼️ 新增多圖上傳功能，部分用戶已可同時上傳多張圖片。

✏️ 引入AI圖像編輯功能，用戶可更改背景和替換物體。

🔒 用戶需遵循谷歌使用條款，確保合規性。

11、ChatGPT 訪問量激增，4月總計達47.86億次、首次超越 X

根據Similarweb發佈的2025年4月網站流量報告，ChatGPT的訪問量達到了47.86億次，首次超過社交媒體平臺X的40.28億次，顯示出生成式AI工具的快速普及。ChatGPT在工作日的訪問量接近2億次，反映出其作爲生產力工具的廣泛應用。

【AiBase提要:】

📈 ChatGPT在2025年4月的訪問量達47.86億次，首次超過社交媒體平臺X的40.28億次。

💼 工作日訪問量接近2億次，表明ChatGPT作爲生產力工具的廣泛應用。

🌍 ChatGPT的用戶基礎在全球範圍內持續擴大，尤其是在移動端的強勁增長。

12、Excel MCP Server上線 可通過Claude等客戶端直接操作Excel文件

Excel MCP Server是一款開源工具，基於模型上下文協議（MCP）開發，允許用戶通過AI助手直接操作Excel文件，無需安裝微軟Excel軟件。該工具功能強大，支持創建、讀取、修改Excel數據，生成圖表和透視表，極大地方便了用戶的表格處理工作。

【AiBase提要:】

🛠️ Excel MCP Server允許用戶通過AI助手直接操作Excel，無需安裝微軟Excel軟件。

📈 該工具支持創建、讀取、修改Excel數據，生成圖表和透視表，功能全面。

🌐 作爲開源項目，Excel MCP Server促進了社區開發，支持多種AI客戶端的無縫集成。

詳情鏈接:https://top.aibase.com/tool/excel-mcp-server

13、Claude 移動應用即將推出語音模式，支持多種聲音選項

Claude 移動應用即將進行重要升級，推出備受期待的語音模式功能。該模式採用推按式對話，支持多種聲音選項，並具備網頁搜索能力，搜索結果以要點形式呈現，便於用戶理解和跟進。此外，用戶可以上傳文件作爲上下文參考，提升了交互體驗。

【AiBase提要:】

📢 Claude 移動應用即將上線語音模式，採用推按式對話並支持多種聲音選項。

🔍 語音模式支持網頁搜索，輸出結果以要點形式呈現，用戶可方便瀏覽。

📁 該功能還支持文件上傳，讓用戶可以在對話中使用圖片或文檔作爲上下文參考。

14、新一代脣形同步工具KeySync發佈:突破錶情泄漏與遮擋難題

KeySync是一款創新的脣形同步工具，成功解決了AI脣形同步中的表情泄漏和嘴部遮擋問題。其獨特的兩階段框架設計使得脣部動作更加自然和精準，適用於影視製作、動畫、虛擬主播等多個領域。KeySync不僅支持高分辨率視頻處理，還能自動生成與音頻匹配的脣部動畫，大幅提升工作效率。

【AiBase提要:】

🎥 KeySync通過創新算法解決了表情泄漏和嘴部遮擋問題，提升了脣形同步的精準性和自然度。

💻 該工具支持高分辨率視頻處理，優化了時間連貫性，確保脣部動作流暢自然，避免了傳統工具的常見問題。

🌍 KeySync的廣泛應用前景爲影視、動畫、虛擬主播等行業帶來了新的機遇，提升了多語言視頻的質量和製作效率。

詳情鏈接:https://github.com/antonibigata/keysync