> 此次Sora核心模型的迭代聚焦工业级生产痛点，通过确立角色视觉连贯性、翻倍渲染时长及多端格式并发输出，重塑了视频创作者与专业工作室的自动化流水线。

## 角色档案机制攻克视觉连贯性难题

在早期的生成式视频工作流中，开发者面临的最大阻碍在于难以维持同一主体在多组镜头中的视觉稳定。人物的面部细节、服装纹理乃至随身道具往往会在场景切换时发生明显漂移。本次更新通过引入角色档案定义功能彻底重构了这一流程。创作者现可向API预设包含外观特征与配饰细节的参照数据，Sora模型将在后续渲染中自动锚定该参照物。这项技术突破直接免除了繁冗的逐帧后期修复工作，为品牌广告连载、短剧叙事等高度依赖主角IP的内容业态铺平了道路。

![12.png](https://static.downly.cn/images/a191a2136c4770a221ab60ea9eebc4c1.png) <center>图源备注：图片由AI生成</center>

## 时长突破与多平台素材并发处理

除了主体的稳定性，叙事空间的拓展同样是本次升级的核心。单次生成的视频时长上限跃升至20秒，打破了以往短素材强行拼接导致的风格割裂感。配合全新的视频延续功能，开发者可以基于现有片段自然向后推演，构筑更具深度的长镜头叙事。

在输出端，针对全媒体分发的需求，Sora API现支持单次任务并行输出1080P分辨率的横屏与竖屏双版本素材。这一优化直接跳过了传统工作流中的二次裁切与重新渲染环节，使物料能同步适应桌面端平台与移动端短视频生态。结合针对离线队列优化的异步批量处理功能，大型工作室的服务器集群得以在低耗时下完成海量素材的自动化产出。

OpenAI大幅升级Sora视频生成API 核心解决角色一致性与规模化痛点

> 微软正将AI模型从“附加功能”转变为“系统内核”。通过独立的版本管理与高达5GB的更新包，Windows 11正式宣告进入AI原生时代，让每一次系统更新都成为设备智商的进化。

## AI组件透明化 可查可管的新标准

微软近日在Windows 11中正式上线了“AI组件发布信息”页面，这一举动标志着AI模型已获得与系统补丁同等重要的地位。用户现在可以像查看驱动程序一样，清晰地追踪设备上运行的AI模型版本、新增功能及修复日志。

该页面详细列出了模型名称（如Phi Silica）、版本号以及具体的性能优化项。这种透明化机制不仅回应了用户对AI黑盒的担忧，也确立了微软对AI功能进行“系统级工程”管理的决心。值得注意的是，该功能目前仅面向配备NPU的AI+ PC开放，进一步强化了软硬绑定的生态策略。

![Google_AI_Studio_2026-01-07T04_00_42.782Z.png](https://static.downly.cn/images/899f525290f2641a9fde9c7f7b141d3b.png)
 <center>图源备注：图片由AI生成</center>

## 本地模型Phi Silica与存储成本激增

作为Windows 11的核心本地模型，Phi Silica承担了文本理解、摘要生成等高频任务。为了保障隐私与续航，该模型完全在本地NPU上运行，且支持独立于操作系统的后台静默升级。

然而，智能化的代价是存储空间的消耗。由于集成了数十亿参数的模型权重文件及相关驱动，Windows的更新包体积已从传统的几百兆激增至4-5GB。尽管如此，微软仍坚持通过高频的“补丁星期二”推送AI更新，以确保用户设备始终具备最新的智能处理能力。

这不仅仅是一次功能迭代，而是操作系统底层逻辑的重构。当Windows开始像管理内核一样管理神经网络，AI PC的概念才算真正落地。

操作系统彻底AI化 Windows 11上线独立AI组件更新机制

> 导语：今日AI领域动态纷呈，谷歌再次成为焦点，旗下NotebookLM、Google Meet及Gmail齐齐迎来AI功能升级，从多模态创作到虚拟美妆，再到智能日程安排，全面提升用户体验。与此同时，亚马逊推出AgentCore平台赋能企业构建AI智能体，科大讯飞则发布了新款AI翻译耳机，致力于打破跨语言沟通障碍。此外，沃尔玛与OpenAI的合作以及Firefox集成Perplexity搜索引擎，也预示着AI技术正加速融入电商与日常浏览体验。

## 谷歌文稿处理工具NotebookLM迎来多模态升级，文本笔记一键变视频

谷歌旗下的笔记工具NotebookLM现已集成Nano Banana图像生成模型，实现了一项重大功能升级。用户现在能够将纯文本笔记直接转换成视频内容，这标志着NotebookLM从一个单纯的文本处理工具，演变为一个多模态创作平台。此项更新极大地提升了学习和内容创作的效率，为用户提供了更加丰富和动态的表达方式。该功能目前正逐步向Pro用户推送，预计在未来几周内将全面开放。

![image.png](https://static.downly.cn/images/bc36c6488022edb471761db5bcb1f91a.png)
图源备注：图片由AI生成

## Google Meet引入AI美妆滤镜，视频会议“带妆”出席成现实

为了追赶竞争对手微软Teams和Zoom的步伐，Google Meet正式上线了AI虚拟美妆滤镜功能。新功能内置12种不同风格的妆容，用户可以在会议开始前或会议中通过“外观”设置轻松选择。这一举措让用户无需实际化妆，也能在视频会议中展现最佳状态。这是继2023年推出人像修饰功能后，Google Meet在虚拟特效领域的又一次重要拓展，旨在提升用户的视频会议体验和信心。

![image.png](https://static.downly.cn/images/84ede6d0f1947e7c23e183f6e359fb3b.png)
图源备注：图片由AI生成

## Gemini加持Gmail，AI助手帮你智能安排会议

谷歌为Gmail推出了一项由Gemini人工智能驱动的新功能——“帮助我安排”。该功能旨在简化会议预约流程，它可以自动分析用户的谷歌日历，找出空闲时间段，并在邮件撰写界面中生成推荐的会面时段，供用户直接发送给收件人。这大大减少了来回沟通确认时间的麻烦。目前，该功能仅支持一对一会议的安排，用户可以通过邮件撰写框中的新按钮启用。

![image.png](https://static.downly.cn/images/0f2f20b1ab233ddf5a8c4e59953f160e.png)
图源备注：图片由AI生成

## 亚马逊开放AgentCore平台，降低AI智能体构建门槛

亚马逊正式推出AgentCore平台，并将其集成到Amazon Bedrock服务中。该平台旨在为企业提供构建和部署AI智能体的便利基础设施，通过简化开发流程，帮助企业更快速地将AI应用落地。AgentCore支持包括多家主流模型在内的多种选择，为开发者提供了极大的灵活性，标志着亚马逊在智能体基础设施领域的全面发力。

![image.png](https://static.downly.cn/images/9a115b45edb469aa4edbf6be4fedeb5c.png)
图源备注：图片由AI生成

## 科大讯飞发布AI翻译耳机，让跨语言沟通再无障碍

科大讯飞在上海发布了其第三代AI同传技术的重大升级，并推出了全新的AI翻译耳机。通过与迪拜Gitex Global科技盛会的现场联动展示，新技术在中英同传方面的主观体验评分获得了显著提升。它有效解决了传统机器翻译语言碎片化、不连贯的问题，实现了更加流畅、自然的实时沟通，是中国AI翻译领域的一项重要突破。

![image.png](https://static.downly.cn/images/eb5815721c8a87db75a204307af5dc38.png)
图源备注：图片由AI生成

## 沃尔玛联手OpenAI，在ChatGPT里直接下单购物

零售巨头沃尔玛宣布与OpenAI达成合作，推出创新的“代理式购物”功能。用户现在可以直接在ChatGPT的聊天界面中，通过对话完成商品选购、一键下单及即时结账的全过程。这项功能极大地简化了购买日用品和杂货的流程。此外，山姆会员还可以利用此功能进行膳食规划和生活必需品补充。用户只需将自己的沃尔玛账户与ChatGPT绑定即可开始体验。

![image.png](https://static.downly.cn/images/a632fe5551dc905c738dd103b3d6406b.png)
图源备注：图片由AI生成

## Firefox浏览器集成Perplexity，带来AI驱动的全新搜索体验

Mozilla已将先进的AI搜索引擎Perplexity正式集成到其Firefox浏览器中。现在，Firefox用户可以在设置中将Perplexity设为默认搜索引擎，从而在不离开当前浏览器的前提下，直接享受到由人工智能驱动的、更加智能和精准的搜索服务。这一整合为用户提供了更高效、更具深度的信息获取方式，提升了整体的网页浏览和搜索体验。

![image.png](https://static.downly.cn/images/e94b4a7f3cbbd117beeffc337aa4cb63.png)
图源备注：图片由AI生成

每日AI资讯1015：谷歌引领多项AI更新，亚马逊、科大讯飞紧随其后




> 导语：今日AI界热点纷呈，从谷歌为Gemini助手增加“记忆”功能以提供更个性化的服务，到Mistral AI发布性能更强的Medium 3.1多模态模型；从香港大学等机构开源OpenCUA框架让人人都能构建专属电脑管家，到字节跳动开源VeOmni框架提升多模态训练效率。同时，AI的应用场景也在不断拓宽，谷歌上线AI搜特价机票功能，Midjourney降低高清视频创作门槛，更有西班牙初创公司推出可在手表上运行的超微型模型。此外，谷歌也在Photos中引入新功能，帮助用户辨别AI生成内容，致力于提升数字世界的透明度。

## AI助手更懂你 谷歌Gemini迎来“记忆”与“隐私聊天”模式

谷歌为其AI助手Gemini带来了两项重大功能更新 “记忆”与“临时聊天”。“记忆”功能允许Gemini持续学习用户的偏好和信息，从而在未来的对话中提供更加个性化和贴切的建议与提醒，让AI助手成为真正的“私人助理”。而“临时聊天”模式则充分考虑了用户隐私，在该模式下的所有对话内容都不会被保存或用于模型训练，确保了用户在处理敏感信息时的安全性。这一更新旨在全面提升AI助手的智能化服务水平与用户的使用安全。

![image.png](https://static.downly.cn/images/c305d12fa40e1d5c128425d9ff6feb69.png)

## 创作门槛再降低 Midjourney向标准用户开放高清视频生成

知名AI创作平台Midjourney宣布重大更新，将其高清视频生成功能开放给所有标准订阅用户。此次升级不仅让更多创作者能够轻松制作出高质量的视频内容，还同步推出了批量创作和独立的Moodboards灵感管理页面等功能，极大地提升了创作效率和用户体验。同时，平台也优化了视频审核机制以确保内容合规。这一系列举措旨在让AI创作变得更加简单、高效，并激发更广泛的创意灵感。

![image.png](https://static.downly.cn/images/00976d34d91cde397529c6a241b1b89f.png)

## 说走就走 AI帮你找特价机票 谷歌上线Flight Deals新功能

谷歌在其机票搜索服务Google Flights中集成了一项名为Flight Deals的全新AI工具。用户现在可以使用自然语言，如“下个月去东京的五日游最便宜的机票”，来直接搜索优惠航班。该工具会智能分析并根据节省百分比和价格进行排序，帮助用户快速锁定最具性价比的选择。此举不仅提升了用户预订体验，也被视为谷歌在日益激烈的旅游搜索市场中，利用AI技术巩固其领先地位的重要一步。

![image.png](https://static.downly.cn/images/8bc9074a2b1b4bde9679919f444c0d9d.png)

## 人人都能拥有专属电脑管家 香港大学等机构开源OpenCUA框架

香港大学联合月之暗面、斯坦福大学等顶尖机构，共同开源了OpenCUA框架。该框架提供了一套完整的开发工具、数据和模型，旨在让开发者能够轻松构建和扩展个性化的计算机使用智能体（CUA）。这些智能体可以像真人助手一样操作电脑完成复杂任务，其性能在测试中已超越GPT-4o。OpenCUA的开源为人人都能打造专属的电脑智能助手提供了强大的技术支持，将极大推动计算机智能体应用的普及。

![image.png](https://static.downly.cn/images/d28e8fc1a5fa5ecf01d41a74e2c1dcff.png)

## 火眼金睛辨真伪 谷歌Photos新增AI图像识别功能

为了应对日益泛滥的深度伪造和AI生成内容，谷歌Photos即将推出一项名为“How Was This Made”的新功能。该功能通过分析嵌入在图片和视频文件中的内容凭证，可以清晰地向用户展示该媒体是自然拍摄、经过AI编辑还是完全由AI生成。此举旨在提升数字媒体的透明度和真实性，帮助用户在信息爆炸的时代更好地辨别内容的来源与真伪，重建对数字内容的信任。

![image.png](https://static.downly.cn/images/638053c5ed83009d48dac9cfc0b85700.png)

## AI也能“塞进”手表里 西班牙独角兽发布两款超微型AI模型

欧洲AI独角兽公司Multiverse Computing发布了两款基于其CompactifAI压缩技术的极微型AI模型 “ChickBrain”（鸡脑）和“SuperFly”（苍蝇大脑）。这两款模型体积小到可以在智能手表、家用电器甚至PC等设备上离线流畅运行，目标是在极小的硬件资源下保留高效的实用性功能。该公司透露，已在与苹果、三星等主流设备制造商进行合作洽谈，未来我们身边的日常设备或将变得更加智能。

![image.png](https://static.downly.cn/images/f5f1711e8bbf99659315c62983c82742.png)

## 性能全面升级 Mistral AI发布Medium 3.1多模态大模型

法国AI巨头Mistral AI重磅发布了其最新的Mistral Medium 3.1模型。新模型在性能上实现了全面升级，尤其在推理、编码及STEM（科学、技术、工程和数学）等专业任务上表现卓越，优于同级别的竞争对手。作为一个多模态模型，它不仅能处理文本，还能理解视觉输入。此外，模型内置的语调适配层使其能更好地满足企业客户的定制化需求，目前已通过Le Chat平台和API接口向开发者开放。

![image.png](https://static.downly.cn/images/cfd4b4f32d651c1e59186d2a2dc645bc.png)

## 加速多模态训练 字节跳动开源VeOmni框架

为了解决AI领域中多模态模型训练碎片化、效率低下的问题，字节跳动宣布开源其内部长期使用的VeOmni框架。该框架通过提供统一的API，巧妙地整合了多种并行策略，并优化了显存和计算效率，同时还支持前沿的蒸馏技术。这使得开发者在训练包含语言、视觉、视频等多种模态的AI模型时，能够显著提升训练效率和数据吞吐量，从而加速从研发到部署的整个流程。

![image.png](https://static.downly.cn/images/a7b7e5647cd8ea557d9ebcfe5a53ce9c.png)


搜索结果: AI更新