A日報：Kimi開放平臺上線Kimi Playground；OpenAI重磅發佈ChatGPT Agent；Suno推人聲替換功能

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、月之暗面Kimi開放平臺上線Kimi Playground

Kimi Playground的發佈標誌着AI技術從對話助手向智能助理的轉變，其工具調用功能使AI能夠主動解決問題。平臺爲開發者提供了一站式工具調用體驗，支持多種工具接入和調試，提升了開發效率。

【AiBase提要:】
✨ Kimi Playground通過工具調用功能讓AI主動解決問題，實現從被動信息提供者到智能助手的轉變。
🛠️ 提供直觀的工具調用界面，支持內置和第三方工具接入，提升開發效率。
📊 在數據分析和旅遊行程規劃等場景中展現出強大的自動化能力，簡化複雜任務。
詳情鏈接:https://platform.moonshot.cn/playground

2、OpenAI重磅發佈ChatGPT Agent:會主動思考，瀏覽、購物、做PPT!

OpenAI正式推出ChatGPT Agent，標誌着人工智能從對話助手向自主任務執行者的重大飛躍。該工具整合了Operator和Deep Research功能，能夠通過虛擬瀏覽器、終端和API完成複雜任務，提升用戶效率。

【AiBase提要:】
🚀 ChatGPT Agent具備自主瀏覽、點擊、填寫表單及執行代碼的能力，可處理多樣任務如婚禮服裝挑選或旅行行程制定。
📈 在多項基準測試中表現優異，準確率遠超競爭對手，展現出強大的實用性。
🔒 強調安全性，涉及高後果操作時需用戶授權，並實施嚴格防護措施以防止惡意攻擊。
詳情鏈接:https://openai.com/zh-Hans-CN/index/introducing-chatgpt-agent/

3、Suno發佈v4.5+ 推出人聲替換功能，可將原唱人聲換爲其他人聲音

Suno v4.5+ 推出了多項創新功能，包括人聲替換、伴奏生成和靈感激發功能，顯著提升了音樂創作的靈活性和個性化體驗。同時，音質和創作體驗也得到了全面優化，爲音樂創作者提供了更強大的工具。

【AiBase提要:】
🎧 人聲替換功能允許用戶上傳伴奏或使用內置樂器伴奏，並輸入歌詞生成完整歌曲。
🎵 Add Instrumentals功能可以將用戶的歌聲或哼唱轉化爲完整的音樂作品。
🎼 Inspire功能從播放列表中汲取靈感，快速生成符合用戶審美的新歌曲。

4、AI 視頻成本新高?Google Veo3通過 Gemini API 現已上線

谷歌的旗艦級視頻生成模型 Veo3已通過 Gemini API 向開發者開放，提供文本轉視頻功能並支持同步音頻生成。這標誌着 AI 視頻製作進入新階段，但同時也伴隨着較高的成本。Veo3是首款能通過單個文本提示生成高分辨率視頻並同步生成對話、音樂和音效的模型。

【AiBase提要:】
🔥 谷歌推出旗艦視頻生成模型 Veo3，支持文本轉視頻與同步音頻生成。
💰 Veo3的價格較高，720p 視頻每秒0.75美元，可能帶來高昂成本。
🚀 Veo3主要應用於專業領域，如 Cartwheel 和遊戲工作室 Volley 的項目中。

5、首個直播流擴散AI模型MirageLSD震撼發佈，實時視頻轉換開啓無限可能!

MirageLSD作爲全球首個人工智能直播流擴散模型，憑藉其超低延遲和實時視頻轉換能力，爲直播、遊戲開發、動畫製作等場景帶來了革命性的變化。該技術突破了傳統視頻生成模型的時延和長度限制，同時具備簡單交互和高度靈活性，展現了巨大的應用潛力。

【AiBase提要:】
✨ MirageLSD實現了24幀/秒的運行速度和小於40毫秒的響應延遲，打破了傳統視頻生成模型的瓶頸。
🕹️ 支持手勢控制和連續提示編輯，用戶可實時改變視頻中的外觀、場景或服裝，降低技術門檻。
🚀 在遊戲開發領域展現出驚人潛力，開發者可在30分鐘內快速構建一款遊戲，並由模型自動處理所有圖形效果。
詳情鏈接:https://mirage.decart.ai/

6、VSCode的AI編程利器 Traycer，處理大型代碼庫表現出色

Traycer是一款專爲Visual Studio Code設計的AI編程助手工具，通過智能任務拆解、代碼規劃與實時分析能力，顯著提升了開發者的編碼效率。其多代理協作和與VSCode Agent模式的高度兼容性，使其在處理複雜項目時表現尤爲出色。

【AiBase提要:】
🧠 任務拆解與規劃:根據高級任務描述生成詳細的編碼計劃。
🔄 多代理協作:支持多個AI代理異步執行任務，提升複雜項目的處理效率。
🔍 實時代碼分析:持續跟蹤代碼庫，識別潛在錯誤並提出優化建議。
詳情鏈接:https://traycer.ai

7、ART框架發佈!用Python一鍵訓練AI Agent，郵件搜索到遊戲操控全能搞定!

文章介紹了ART框架的發佈及其在強化學習領域的應用價值。該框架爲開發者提供了便捷的工具，支持多種語言模型，並適用於多場景任務，如郵件檢索和遊戲開發。其模塊化設計和易用性使得中小型團隊和個人開發者也能快速構建高性能Agent。

【AiBase提要:】
🧠 ART框架通過集成GRPO技術，提升AI Agent性能，使其能從經驗中學習並優化任務執行。
📦 框架支持多種語言模型，如Qwen2.5、Qwen3、Llama和Kimi，提供廣泛的選擇。
🚀 開發者可輕鬆集成ART，通過簡單命令實現強化學習功能，降低使用門檻。
詳情鏈接:https://github.com/openpipe/art

8、5.63%錯誤率創歷史新低:NVIDIA AI推出商用級超高速語音識別模型Canary-Qwen-2.5B

NVIDIA推出的Canary-Qwen-2.5B模型在自動語音識別和語言處理領域實現了重大突破，以5.63%的詞錯率登頂Hugging Face OpenASR排行榜。該模型結合了高效的轉錄與語言理解能力，支持直接從音頻執行摘要和問答等任務，具有廣泛的商業應用潛力。

【AiBase提要:】
🧠 技術突破:統一語音理解與語言處理，實現單一模型架構。
⚡ 性能卓越:5.63% WER，實時處理速度達418倍，參數僅25億。
💼 應用廣泛:適用於企業轉錄、知識提取、會議總結及合規文檔處理等場景。
詳情鏈接:https://huggingface.co/nvidia/canary-qwen-2.5b

9、Mistral AI 推出新功能 Le Chat，全面追趕 ChatGPT

Mistral AI 的 Le Chat 新功能包括深度研究模式、語音交互和高級圖像編輯，旨在提升用戶體驗並挑戰 OpenAI 的 ChatGPT。其語音識別基於 Voxtral 模型，具備自然、低延遲的特性，而圖像編輯功能在實際使用中表現出色。

【AiBase提要:】
🧠 **深度研究模式**:快速生成結構化研究報告，幫助用戶追蹤市場趨勢和撰寫商業策略書。
🗣️ **語音交互功能**:基於 Voxtral 模型實現自然、低延遲的語音識別，便於用戶隨時隨地獲取信息。
🎨 **高級圖像編輯**:通過簡單提示即可創建和編輯圖像，表現優於 OpenAI 的產品。

10、百度小度上線首個支持與物理世界交互的MCP Server

百度小度上線首個支持與物理世界交互的MCP Server，爲AI應用開發帶來全新變革，引領行業邁向“萬物智能互聯”新時代。

【AiBase提要:】
💡小度上線首個支持與物理世界交互的MCP Server，實現終端設備與核心IoT能力的MCP化升級。
🌐小度開放平臺推出兩大核心服務，降低開發者門檻，提升智能設備操控效率。
🚀小度MCP Server推動智能家居從“單點控制”向“主動服務”進化，開啓“全民智能開發”新紀元。
詳情鏈接:https://dueros.baidu.com/dbp/mcp/console

11、Lightricks 發佈 LTXV 模型更新:圖像到視頻生成突破60秒

Lightricks 推出的 LTXV 模型實現了從圖像生成長達60秒高質量視頻的突破，採用自迴歸流式架構和多尺度渲染技術，支持實時控制與創作靈活性，並在消費級 GPU 上高效運行。