依意思最接近的 30 筆
彭博社記者古爾曼爆料，蘋果正研發代號 J450 的智慧家居攝像頭，不錄製影片，而是用 AI 分析環境並推送文字描述來兼顧隱私。中國電信人工智慧研究院（TeleAI）稱，今年 2 月已推出同類產品：基於智傳網（AI Flow）的隱私攝像頭，不儲存也不傳輸原始畫面，已裝在公共衛生間，可識別打架、吸菸、跌倒等行為並預警。配套的 TeleAI 智慧看護助手面向養老、校園、醫院，老人跌倒等異常可在 5 秒內告警給家人或看護，外觀做成煙感報警器樣式。
Meta 的 Muse Voice 功能現已向美國所有使用者開放，使用者可呼叫消費級 AI 代理 Muse 並進行視訊通話。該功能 9 月在 Connect 大會首次亮相，由新模型 Muse Realtime Avatar 與 Muse Realtime Voice 驅動數字頭像；頭像暱稱 Jolly，可自訂為人物、動物等形象，說話時會配合語氣做出細微表情和手勢。目前支援移動端、網頁與 Mac，之後將擴充套件到 AI 眼鏡和年底推出的 Muse Charm 可穿戴裝置。
Higgsfield AI 藉助 GPT-6 Astra，把 AI 生成影片的時長從原先約 1 分鐘提升到 10 分鐘以上，CEO Alex Mashrabov 稱這緩解了長影片中畫面一致性的難題。配合 GPT-Image-2.5，平台可穩定渲染影像上的文字與資訊圖，服務缺少製作預算的小商家。Codex 讓約 200 名創意人員把想法直接做成軟體原型，團隊還用 GPT-6 Astra 生成長度超 10 分鐘的教學影片。
Retell AI 用 OpenAI 模型驅動其客服語音 agent，月通話量從 2026 年初的 3000 萬增至 9 月的 1 億通以上，其中 80% 通話由 OpenAI 模型生成回覆，累計消耗超 1 萬億 token。在 10 月 13 日的 vCX 基準中，GPT-6 Astra 以 89.7% 指令遵循率排名第一；發布前評測顯示 GPT-5.5 非幻覺率 88.0%、工具呼叫正確率 88.3%，均高於 Gemini-3.1-Pro 與 Claude-4.6。
Bold Agent Kit 分析約 14,000 通來電發現，人工接待的入站諮詢轉化表現約為 AI 接待員的 4 倍，其中 6,343 通由 AI 處理、約 7,657 通由人工處理。AI 處理通話中「無實質進展即結束通話」的比例高出 700%，但人工漏接電話比 AI 多約 15%，可用性是 AI 的明顯優勢。該研究未確定差異原因，也未給出投資回報測算，僅指出接聽更多電話不等於產生更多業務。
有人做了一款工具，追蹤 AI 行業領袖在影片中的公開表態，並展示他們觀點隨時間的變化。目前收錄了 Dario Amodei（累計 54 條）、Alex Karp（51 條）、Marc Andreessen（49 條）、Sam Altman（45 條）、Palmer Luckey（40 條）、Satya Nadella（23 條）、Elon Musk（21 條）、Yann LeCun（6 條）等人，頁面同時標註本週新增條數，例如 Alexandr Wang 本週有 5 條。
Google 等研究團隊提出 StreamVibe，讓影片智慧體在持續觀察中主動判斷何時、如何介入。團隊建置 StreamVibe-Bench，包含 4,100 個評測樣本、20,546 個幫助點與 183.4 小時影片，覆蓋顯式、隱式與動態三類意圖。訓練用自適應流式監督微調加區域性軌跡強化學習，執行時由 StreamVibe-Harness 維護意圖、任務進度與分層記憶；
企業語音 AI 平台 PolyAI 的 CTO Shawn Wen 在 HumanX 大會上表示，全雙工模型雖已實現，語音 AI 仍未迎來自己的「ChatGPT 時刻」，下一步的關鍵是讓推理足夠快、對話足夠自然。會議記錄工具 Otter 的 CMO Alex Gay 指出，說話人識別、意圖捕捉並與組織知識結合才是自動化的關鍵，Otter 還在研發可代表參會者的數字孿生。兩人都提到 ASR 模型常漏掉關鍵詞，轉寫不準會讓後續動作全部出錯、使用者失去信任；
據 The Information 報導，OpenAI 正與一家新成立的 AI 影片初創公司談判，計劃讓已關停的 Sora 重新投入商業化，OpenAI 將獲得該公司部分股權。這家公司由夢工廠動畫聯合創始人 Jeffrey Katzenberg、Sora 前研究負責人 Bill Peebles 和 Dropbox 前 CFO Sujay Jaswa 共同創辦，面向電影製作人開發 AI 影片軟體與服務，可能獲得對 Sora 深度定製的權限，但模型權重是否開放尚未確定。
11 月 4 日，虎鯨文娛的 AI 影視製作與管理平台「鯨銳 AI」正式上線，官方稱 AI 影片單分鐘成本較傳統 AI 生成方式節省 30% 以上。平台整合 50 餘個主流 AI 影片生成模型與 10 餘個自研模型，以五類精控套件、300 餘項精控能力替代反覆抽卡，可直出 4K、60 幀、10bit、HDR 成片，超分直出方案較傳統後期流程省約 65% 成本。無限畫布支援千級節點、百人即時協同，官網開放全員註冊，無需訂閱會員、積分即充即用，團隊席位不限人數。
Splice CEO Kakul Srivastava 認為 AI 生成的郵件正在扼殺對話。她曾任職於 Flickr、Yahoo、GitHub 和 Adobe，目前執掌為音樂製作人提供取樣素材的 Splice，該平台的取樣曾出現在 Lisa 的《Money》和 Sabrina Carpenter 的《Espresso》等熱門歌曲中。她還主導了 Splice 收購 Spitfire Audio 並推動平台向新領域拓展。
SpaceXAI 宣布 Grok Voice 3.0 在語音 agent 任務上達到前沿水平，延遲較此前降低 40%。官方給出的落地案例是 SpaceX 內部：該模型能自主處理 70% 的 Starlink 客服來電，無需人工介入。官方本次只披露延遲降幅與自主解決率兩項指標，未說明模型規模、開放渠道、定價與上線時間，也未提供與其他語音模型的對比資料。
Meta AI 官方帳號發布了扎克伯格（@finkd）、Alexandr Wang（@alexandr_wang）與 @collision 的完整對話影片，並附上觀看入口。帖文只給出觀看提示，沒有說明這場對談的主題、時長，也沒有提到涉及的產品、模型或發布時間等細節，需要點開影片才能知道具體聊了什麼。
Grok Bot 的語音通話功能迎來升級，官方稱通話更快、更可靠，並且更擅長記住過往對話內容。公告沒有給出具體的速度提升幅度、模型版本、上線時間，也未說明可用範圍與訂閱要求，目前僅有三項體驗層面的改進描述。
Ben Affleck 本週因多段訪談影片走紅，他在其中講解神經網路、transformer、張量等概念，並稱自己會寫點 Python。他透露做法是拿開源模型微調：解凍權重、只訓練最後一層「電影感」層，讓劇組達到製片標準，該技術已用於其電影《Animals》後期。他創立的 AI 影視公司今年被 Netflix 收購，報導金額 5.87 億美元，他本人稱這個數字不準確。他還表示不擔心 AI 接管影視業，更擔心學生的習得性無助與大學 A 成績三年上升 30%。
一位使用者僅向 Opus 5.5 提供創意、工作資料夾和音樂檔案，模型便自主完成了從調研到成片的全流程。它檢索了四年 AI 發展資料與素材，擷取文章和介面截圖，編寫 HTML 與動畫程式碼，用 Playwright 渲染畫面、FFmpeg 合成並加入音效，最終輸出完整影片。
Pollo AI 推出影片創作 Agent，呼叫 OpenAI 的 GPT-5.6、GPT-6 Astra 與 GPT-Image-2.5 完成從創意到成片的全流程。系統用 GPT-5.6 做任務路由，GPT-6 Astra 負責敘事與分鏡等複雜推理，影像統一交給 GPT-Image-2.5，官方稱使用者挑選或切換模型的時間減少 50% 以上。平台已有超 2600 萬使用者，30% 的創作會話從模板開始；
Google DeepMind 官方帳號提到，Apptronik 的 Argon 能把影片變成物理 AI 的訓練場，將原本需要數週的人工建模壓縮到幾個小時。這條推文以回覆 @Apptronik 的形式發出，正文只有這一句說明和一個 goo.gle 短連結，沒有披露涉及的機器人平台、影片資料規模或可用範圍。資訊發布於 2026 年 10 月 13 日。
The Verge 刊文指出，隨著 AI 硬體的出現，科技公司正在重新定義什麼才算「錄製」。過去帶麥克風或攝像頭的裝置基本只有開與關兩種狀態：麥克風採集聲音、攝像頭採集影像，資料先儲存在裝置上，有時再上傳雲端處理，這些被保留下來的時間切片就是錄製。文章認為這一定義正被打破，並援引 Bloomberg 記者 Mark Gurman 上週的報導，稱 Apple 正在開發一款智慧家居產品。
VideoGen-Agent 用 Qwen3-VL-8B-Instruct 做基座，在多輪互動中呼叫檢索、生成與驗證工具，先以 16K 教師軌跡監督微調，再用 8K 提示做多工強化學習。在 600 條提示的 VABench 上，Toolset 1 配置得 75.6 分，比基礎生成器 56.5 分高出 19.1 分；智慧體策略不變、僅升級生成工具後達 86.1 分，人類評估中 84.3% 的判斷偏好該配置。
微軟團隊提出 Code Video Model，用可執行程式碼控制影片生成：由 Coding Agent 把提示詞轉成 Three.js 程式，統一描述幾何佈局、物體運動、相機軌跡與事件時序，渲染出低多邊形預演影片不到一分鐘即可驗證鏡頭設計，參考圖負責指定外觀。方法不改動影片模型（MiniMax-H3）引數，採用免訓練的階段化條件排程，在去噪前約 25% 階段引入預演約束、隨後撤去，避免成片被預演的合成風格主導。
由 /devrel-video 這個 Claude Code 技能驅動的本地影片製作工作區 skill-video-studio 發布 v1.0.1。它用 Playwright CLI 捕獲真實產品操作，用 HyperFrames 在時間線上合成標題卡、章節與 CTA，再由 FFmpeg 生成母版並做 ffprobe 質檢、縮圖檢查；執行需 Node.js 22+、FFmpeg/ffprobe、Chromium 與 Python 依賴。
Genspark 上線影片 Agent 工作臺 Media Studio，接入 20 多家廠商的 70 多個模型版本。大語言模型擔任導演，可選 DeepSeek V4.1 Flash、Claude Opus 5.5 或 Claude Fable 5.1，並排程 Seedance 2.5、Kling、Veo 生成畫面，由 ElevenLabs 等模型配音。故事聖經負責儲存人物與場景設定，先出 480p 草稿再升 1080p，並支援對指定片段區域性重拍。
一位開發者在電視被自動裝上不想要的 webOS 更新後，花兩個週末、藉助 4 個不同模型重寫了電視軟體，v1 已能正常執行。全部程式碼由 ML 模型生成，他負責關鍵決策：用 WebRTC 降低語音互動延遲、複用廠商的音訊緩衝邏輯並設計互動體驗。如今他的女兒可以用語音操作電視，他則能把電視當作家裡最大的瀏覽螢幕，系統也擺脫了預裝臃腫軟體。
越來越多 AI 助手無需下載 App，直接通過 iMessage、RCS、SMS、WhatsApp 等簡訊渠道使用，可記憶上下文、連線已有應用並代為完成任務。Instinct 在 2026 年 9 月完成 10 億美元融資、估值達 100 億美元，仍處私測；Caddy 自 2026 年 4 月起公測；Fambot 2026 年 9 月初推出測試版並獲 350 萬美元 pre-seed 融資，測試期免費，未來擬收約一份 Netflix 訂閱的費用；
何愷明團隊提出視覺原生 Harness 框架 VISTA，讓現有多模態模型無需重新訓練，就能儲存原始畫面並在推理時按需回看、放大細節。VISTA 把環境返回的每幀畫面按回合號、幀號索引存到上下文之外，預設只向模型展示最後一幀，需要時用 inspect 工具調取歷史畫面。搭配該框架，Claude Opus 5.0 通關 ARC-AGI-3 全部 25 個公開遊戲，動作效率得分滿分 100，所用動作數比人類首次遊玩基線少 57.4%；
電腦科學家、未來學家 Jaron Lanier 在《泰晤士報》Tech Podcast 節目中表示，AI 公司正在重蹈社交媒體的覆轍，而把聊天機器人當作一個新物種，正把行業帶向錯誤方向。他同時質疑「AI 帶來富足」的承諾，並提出替代成癮式聊天機器人的設想；節目還討論了一些科技從業者必須辭職才能公開表達擔憂的現象。該期節目於 11 月 2 日發布。
Mistral AI 上線 Pro Voice 的專業語音適配功能：使用者錄製最長 30 分鐘音訊，即可高保真復刻自己的聲音。官方稱復刻後的音色可在其支援的所有語言中使用，並強調“極高保真度”。公告未披露該功能的開放範圍、訂閱價格與具體上線時間。
Meta CEO 馬克·扎克伯格宣布，Muse AI 助手已支援即時語音對話，該功能已在 iOS 應用上線。聊天時頂部的虛擬形象會隨說話內容同步做動畫；使用者可以直接用語音告訴助手想要什麼語氣、由它自行決定，也可以在形象設定裡挑選預設音色。實測中語音回覆速度較快，但助手查詢資訊時偶爾會停頓。
TechCrunch 的 Equity 播客討論了 AI 高管近期關於 AI 用途的言論為何顯得脫離普通人。Marissa Mayer、Sam Altman 和 Mark Zuckerberg 分別談到用 AI 幫忙完成女兒學校作業中的描述、給孩子做上學路上的個性化播客、通過 AI 滿足社交與戀愛需求；Bumble CEO 還提出讓雙方的 AI 先約會。Amanda Silberling 認為這既是營銷問題也是產品問題，行業正把基本人際互動逐步最佳化掉，討論還追問這些產品到底說給誰聽。