依意思最接近的 8 筆
Gemini Omni 1.2 Flash 已正式 GA，支援最長 15 秒影片生成與會話式編輯，影片輸出價格下調 30% 至每百萬 token 12 美元，付費層速率上限翻倍。它還能在最多 6 張參考圖下改善人物與主體一致性；12 月 3 日起，發往 gemini-omni-1.1-flash 的請求會自動路由至 1.2 Flash，並按 1.2 價格計費。
Show HN 上的 PDF TO MP3 提供 MCP 伺服器，讓 Codex、Claude 等 AI 訂閱承擔 PDF 的文件處理，把文件轉成有聲書。用法是新增該 MCP 伺服器地址並完成認證，在對話裡附上 PDF 並要求呼叫它，另需一把 OpenAI 或 Google 的語音 API key；文件處理算在已付費訂閱內，語音生成按用量由 OpenAI 或 Google 單獨計費。
蘋果把 AI 助手加入 Keynote、Pages、Numbers 三款生產力應用，該助手基於蘋果與 OpenAI 的模型，能理解文件上下文。在 Keynote 中，它可設計、新增動畫與潤色幻燈片；在 Pages 中，它可起草、重構和調整文字；在 Numbers 中，它可計算、視覺化並整理資料，還能建議圖表型別、建置自訂表格。三款應用在 macOS 27 及以上版本支援 Model Context Protocol，第三方 AI agent 可接入。
OpenAI 為 ChatGPT 推出 Slides，可在 Space 中生成並協作編輯簡報，正面向有 Space 權限的 Pro、Business 和 Enterprise 使用者逐步開放，覆蓋網頁與桌面端。使用者可從對話、檔案或大綱起步，也能分享一份範例演示來指定風格與版式；文字、圖片、形狀和圖表可直接編輯，或讓 ChatGPT 修改並生成配圖。團隊成員能即時共同編輯並留下共享評論，成品可直接在 ChatGPT 內演示；
開發者基於 Opus 5.5 做出 Skill「Papermorph」，能把 PDF 依次轉成書籍規劃、分鏡、旁白、動畫與測驗，最終生成可探索的動畫互動網頁書。目前僅依賴 Opus 5.5，未接入影像模型，直接輸入 PDF 效果已不錯；下一步將加入影像模型以支援繪本與人文紀錄片。專案已在 GitHub 以 MIT 協議開源，並提供線上書架。
IBM Research 發布 Palette：用 LoRA 微調一個 20B 開源權重模型，使其按指定設計語言製作整套幻燈片，並可部署在自有基礎設施上。模型分成“設計師”和“編碼者”兩個角色：前者輸出可讀、可編輯的 JSON 簡報，寫明配色、字號體系、每頁佈局與內容；後者按單頁規格編寫 pptxgenjs 程式碼；因此各頁可並行生成，編碼階段約快 6–7 倍。訓練資料由大模型合成，約 1000 份演示、近 1 萬頁，每例附帶反事實推理說明，並經渲染檢查修覆文字溢位與元素重疊；
2026 年 10 月，可用的 Photoshop 替代品已不止一個，而是四個，其中三個完全開源。Photon Studio 雖非開源但免費，提供 macOS、Windows、Linux 二進位制，支援本地 AI 模型與 agent 驅動，能完整讀寫 PSD 的智慧物件、混合模式和圖層效果；PhotoCraft 用純 Rust 重寫，可正常匯出 PSD 但顏色調整解讀有偏差；PhotoSuite 宣稱 1:1 相容 PSD/PSB，介面最接近 Photoshop；
GPT-Image-2.6 已在 ChatGPT、Codex 與 API 全量上線，免費及付費使用者均可使用，整體生成時間縮短 50%、最快 6 秒出圖，並原生支援生成 GIF 動圖與匯出 SVG 向量圖。API 端首次拆出 Flare（主打速度與排版）和 Sunburst（高畫質下保證多輪修改一致性）兩個型號，新增 complexity 引數把場景規劃與畫素渲染解耦，ChatGPT 網頁端的區域性圈選重繪（Image markup）也開放給 API。