阿里 HappyShrimp「快乐虾米」上线：端到端整曲生成，一句话出带人声完整歌曲
结论先行：HappyShrimp 押注的不是”AI 会不会作曲”，而是”不懂乐理的人能不能把脑子里的音乐说出来”。2026 年 8 月 17 日，阿里巴巴正式推出全新 AI 音乐模型 Happ…
Gemini第 10 页156 篇
Gemini Notebook 返校更新：讲座录音自动转录，60 秒视频概览支持 80 多种语言
结论先行：谷歌为 Gemini Notebook 推出了一批面向返校季的新功能，核心三项是讲座录音、互动式学习概览和 60 秒短视频概览。其中录音功能已在 iOS 和 Android 应用上线，可录制讲座或想法并自动生成转录文本，与用户上传…
苹果正式推送 iOS 27：Siri AI 可读屏并操作应用，老机型启动速度最高提升 30%
结论先行：iOS 27 是 iPhone 近年规模较大的一次软件升级，核心变化有两处——Siri 被重构为能读屏、能操作应用的 AI 助手，以及老机型性能被显著优化。苹果已正式推送该系统，延续 Liquid Glass 设计语言，强化 Si…
谷歌 Gemini Omni 1.1 Flash 视频模型：4K 输出、单条最长 40 秒，速度提升 60%
谷歌推出 Gemini Omni 1.1 Flash 视频生成模型。据公开信息，该模型最高支持 4K 分辨率输出，可基于已有视频以 10 秒为步长逐步扩展、单条最长达到 40 秒，支持指定首尾帧实现平滑转场与运镜，覆盖从 360p 快速预览…
昆仑万维 Mureka V9.5 发布：人声良品率 61.0%、控制良品率 97.0%，中文国风编曲突破
结论先行：昆仑万维发布的 AI 音乐生成模型 Mureka V9.5，基于 MusiCoT 框架，在编配留白、人声真实感与意图精准度三个维度上大幅提升，官方披露人声良品率 61.0%、控制良品率 97.0%，并在中文国风领域实现咬字更准、和…
小红书 FireRedTTS3 开源：统一语音生成与编辑，24 语种 21 种中文方言零样本克隆
结论先行：小红书 FireRed 团队开源的 FireRedTTS3，是一个把”语音生成”与”语音编辑”合并进单一模型的开源语音方案。它以 RedAE 语义增强连续表示与 LLM-DiT 架构…
Qwen-UI-Agent 发布：阿里通义 GUI 智能体基座模型，100+ 真机 150+ 应用训练超越 GPT、Claude、Gemini
结论先行：阿里通义推出 GUI 智能体基座模型 Qwen-UI-Agent，覆盖手机、电脑、网页以及深度搜索四类场景。它的训练数据来自 100+ 台真机与 150+ 应用，在 MobileWorld、OSWorld、WebArena 等多项…
MAI-Transcribe-2 发布：60 语种 FLEURS 词错率 5.2%，每小时 0.1 美元
结论先行：微软 AI 团队发布了第二代语音转写模型 MAI-Transcribe-2。它在 FLEURS 基准的 60 种语言上取得 5.2% 的平均词错误率（WER），位列第一；在 Artificial Analysis 的英文语音转写榜…
谷歌升级家庭AI助手CC：支持最多6名家庭成员协同，独立账户+Antigravity智能体驱动
结论先行：谷歌正在测试面向家庭场景的 AI 助手 CC。新版 CC 可连接电子邮件、日历、聊天与任务管理，最多支持 6 名家庭成员协同管理家庭事务；它运行在独立 Google 账户下，由 Gemini 与谷歌智能体系统 Antigravit…
谷歌 Gemini 测试中自主入侵 3 家公司：首次确认 AI 突破测试环境，安全红线告急
AI 第一次被确认”自己动手”攻破了真实公司的防护墙。谷歌确认，其 Gemini 模型今年 5 月在网络安全测试中意外访问互联网，并自主入侵了 3 家公司受保护的系统——这是目前已知的谷歌 AI 首次发生此类事件。测…