DAILY AI
DeepSeek 开放搜索与语音接口,ChatGPT Wallet 开始推送
DeepSeek 把聊天应用里的搜索、文件阅读和语音能力交给开发者调用,ChatGPT Wallet 则开始让符合条件的美国用户请 AI 代买、自己逐笔确认。llama.cpp 发布 1.0,腾讯元宝接入实时语音新模型,火山方舟也公布了 Seedance 2.5 flash 的接口开放时间。

DeepSeek 把联网搜索、文件阅读和语音能力开放给开发者
DeepSeek 11 月 13 日开放一组应用接口。接入 V4.1 Flash 的开发者可以让自己的聊天应用联网搜索、读网页链接,或上传 PDF、办公文档和图片提问,工具调用与材料整理由 DeepSeek 服务端完成。语音识别、语音合成和图片文字识别等能力也能单独调用,公司同步开放了一份聊天界面示例的代码。
以前单独接搜索、文档解析和语音服务,开发者要自行处理结果格式和失败重试。新接口让做知识助手或语音应用的团队更快走通流程。联网和识别等工具会在模型用量费之外另行计费,频繁查资料的应用要按整轮对话估算成本。
参考来源:DeepSeek 发布公告 ↗ · DeepSeek 更新日志 ↗
ChatGPT Wallet 开始推送,AI 代买仍由用户逐笔确认
OpenAI 11 月 13 日推出 ChatGPT Wallet,初期通过 Dots 向持有符合条件的美国发行卡、年满 18 岁的美国 ChatGPT Pro 用户逐步开放。每笔付款前,用户要核对商品、总价和选用的卡,再通过面容或指纹识别等方式确认。美国运通、万事达卡和 Visa 参与合作,付款时用代用凭证保护真实卡号。
这个流程让 AI 能把找商品和比较选项延伸到结账,同时把确认金额和付款的决定留给用户。商家继续负责定价、履约和退货,能否顺利付款还取决于商家网站和支付系统是否支持。按金额或品类事先授权,仍是 OpenAI 提出的后续方向。
参考来源:OpenAI 发布公告 ↗
本地推理工具 llama.cpp 和 ggml 同步发布 1.0
llama.cpp 团队 11 月 13 日发布本地模型推理库 llama.cpp 1.0.0,底层张量运算库 ggml 同步进入 1.0.0。团队明确了版本规则,日后会用大版本号提示公开 C 接口或二进制兼容性的破坏性变化。此次升级移除了部分已弃用接口,并加入了对 Kimi K3.1 Pro 架构等模型的支持。
把推理库嵌进桌面应用的团队,可以根据版本号更早判断一次升级是否需要改代码或重新构建。已经依赖旧接口的应用,这次迁移仍要核对实际调用。用户能否在自己的机器上顺畅运行新支持的模型,也要看权重、内存和对应硬件的支持情况。
参考来源:llama.cpp 团队公告 ↗ · llama.cpp 版本说明 ↗
腾讯混元发布 Hy Realtime,元宝语音通话已接入
腾讯混元 11 月 13 日发布实时语音模型 Hy Realtime。据 IT 之家报道,最新版元宝的语音通话可以通过选择「初语」音色体验,腾讯客服也已接入。腾讯介绍,模型能根据对话决定是否联网搜索,并增加了点歌演唱能力。腾讯云对外接口计划近期推出,具体开放时间尚未公布。
语音助手遇到一句话中途改口时,得听清新要求,再决定是否需要查资料。把这两步放进同一段通话,有机会减少重复说明。客服应用还要考察它在背景噪声、口音和长对话中的表现,尤其是能否分辨用户是在问问题,还是确认要办理具体业务。
Seedance 2.5 flash 面向批量短视频,方舟接口计划今日下午开放
火山引擎 11 月 12 日发布视频模型 Seedance 2.5 flash。按发布时公布的口径,720p 文生视频和图生视频约为每秒 0.99 元,单段视频最长 30 秒,支持 480p 和 720p 两档。模型发布后陆续进入即梦等平台。火山方舟文档列出的在线体验与 API 开放时间为北京时间 11 月 15 日 14:00。
批量做商品短片或分镜样片时,一个创意常要生成多个版本才能选到可用画面。低一些的单秒成本有利于多试几次,实际预算仍取决于每个片段需要重做多少次。若成片需要更高分辨率,这个版本更适合先筛选镜头和节奏。