AI 新闻与更新 – 6月20日

最新的 AI 语音、代理、视频和企业工具

欢迎来到本周的 AI 深度探讨——为您快速分析 AI 领域最具影响力的更新。从情感丰富的 AI 语音和真正的自动化代理到 AI 生成视频和企业级集成的突破，这里是重要的内容及其原因。

🔊 11 Labs V3：听起来像人类的 AI 语音

新的 11 Labs V3 模型正在公测中，重新定义了 AI 生成的语音。

• 现在支持 70+ 种语言，覆盖全球90%的人口。
• 允许用户在文本中直接 嵌入情感标签（如兴奋、低语）。
• 从头构建，专注于专业市场：电影、有声书、游戏。
• 新的 多说话者 API 允许更自然的对话和交流。
• V3 还不是实时的，但建议暂时使用旧的 V2.5 Turbo 模型。
• 目前通过 2025 年 6 月提供 80% 的自助计划折扣。

🤖 AI 代理：H 公司的 Runner H

Runner H 正在掀起波澜，它的 AI 代理实际上在网页上执行任务。

• 由 Hollow1 提供支持，一个 3B 参数的视觉语言模型。
• 理解网页的布局——点击按钮、填写表单、预订旅行。
• 在 WebVoyager 基准测试中表现优于竞争对手，成功率达 67%。
• 跨平台工作：Gmail、Notion、Slack、Zapier 等。
• 处于 公测阶段，现在可以免费试用。

🎬 AI 视频正在爆发

三种不同的 AI 视频方法正在获得关注：

1. Google DeepMind V3

• 从文本或图像生成高质量短视频。
• 包括 集成音频、角色一致性和摄像机控制。
• 现已在 Leonardo.ai 和 Gemini 应用中提供，覆盖 73 个国家。

2. Mirage Studio (Captions AI)

• 从文本提示或参考图像创建 超现实的 AI 演员。
• 专注于 营销内容——承诺将制作时间减少 90%。

3. HeyGen AI Studio

• 为 AI 头像和视频编辑提供 精细控制。
• 具有 语音镜像、手势映射和 自然语言表演指导。
• 推出了他们迄今为止最逼真的头像。

🧠 AI 平台深入发展

Google Gemini 2.5 Pro

• 现在在 WebDev Arena 排行榜中领先，通过提示构建应用程序。
• 新的 **“思考预算”**允许开发人员控制计算使用和成本。
• 可通过 Google AI Studio 和 Vertex AI 获取。

OpenAI 的企业推进

• 推出 ChatGPT 连接器以访问来自 Google Drive、SharePoint、Dropbox 和 Box 等工具的 私人公司数据。
• 严格的权限控制确保数据安全。
• 将 ChatGPT 推广为企业的 中央知识中心。
• 还预告了 深度研究连接器，用于更自主的用例。

🔍 大局观

所有这些更新的共同点？
AI 正在从令人印象深刻的演示转向 集成、可用的日常工具——覆盖语音、自动化、视频和知识。

问题不在于 AI 是否会影响我们的工作和创造方式，而在于它将多快改变一切。

💡 观望要点：

• 谁将在专业市场中主导 AI 语音领域？
• Runner H 会触发一波基于代理的初创公司吗？
• AI 视频准备好替代演员还是仅仅增强工作流程？
• OpenAI 和 Google 能否成为公司的中枢神经系统？

请继续关注每周更新，因为 AI 竞赛正在加速。