谷歌为 Gemini 2.0 推出多模态实时串流 API
Google 在发布 Gemini 2.0 的同时发布了新的多模态实时串流 API ，以帮助开发人员开发具有实时音频和视频流功能的应用程序。该 API 支持低延迟的双向交互，使用文本、音频和视频输入，以及音频和文本输出。这有助于实现自然、类似人类的语音对话，并能够随时打断模型输出，该模型还拥有记忆能力。该模型的视频理解功能扩展了通信模式，用户能够使用摄像头实时拍摄或共享桌面并提出相关问题。该 API 已经向开发者开放，同时也向用户提供了一个多模态实时助手的演示应用。
—— Google 频道， Google Cloud 文档
WhatsApp 新增实时人工智能图像生成功能
Meta 公司正在为美国的 WhatsApp 用户推出实时人工智能图像生成测试版。在与 Meta AI 的聊天中，只要在聊天中输入文本到图像的提示，就会看到图像在添加有关要创建的内容的更多详细信息时的变化。此外，Meta 公司表示，其 Meta Llama 3 模型现在可以生成“更清晰、更高质量”的图像，并且更擅长显示文本。您还可以让 Meta AI 为您提供的任何图像制作动画，让您将它们转换为 GIF 与朋友分享。除了 WhatsApp 上的功能之外，美国用户还可以通过 Meta AI 网页版来使用实时图像生成功能。
—— TheVerge
YouTube 应用会实时更新部分用户的视频观看次数和点赞数
YouTube 似乎正在面向部分用户测试一项新的调整，该调整可以在你观看视频时显示几乎实时更新的观看次数和点赞数。
在过去的几个月里，YouTube 针对部分用户悄然启用了该功能，每隔一段时间 (似乎大约每分钟一次) 就会更新一次观看和点赞计数。谷歌似乎还没有公开讨论该调整，所以很难确定该功能何时会正式上线。
—— 9to5google
谷歌幻灯片推出实时鼠标指针，以更好的促进协作
为了促进网页版 Google 幻灯片中的协作，谷歌引入了实时指针，这是一个新功能，允许你和你的同事实时看到彼此的鼠标指针。
通过此更新，共同创作者可以轻松地指出幻灯片中的特定文本或视觉元素，以突出重要信息和内容。
—— 谷歌博客
