作者｜Jessica
新的一周，OpenAI技术直播迎来了第8天。今日重点是ChatGPT Search，从领衔登场的熟面孔、公司首席产品官 Kevin Weil 来看，这次发布仍以优化和完善产品功能为主。
与此同时，Google却在发布 Gemini 2.0 Flash 后继续在模型上发力，一口气推出新一代视频生成模型 Veo 2 和图片生成模型 Imagen 3，还上线了一个可玩性很高的“图生图”实验项目 Whisk。
即便已近年尾，OpenAI和Google这对老冤家依然打得火热。而从社区反响来看，今天似乎又成了一个“Google主场日”。
1
ChatGPT 搜索集成地图，全球免费开放
OpenAI今天主要带来三项AI搜索更新：
1. 搜索功能优化
ChatGPT 根据用户反馈全面提升了搜索体验，包括提升搜索速度、移动端增强和引入新的地图功能等。
• 视觉效果更丰富：
搜索结果现在支持更丰富的视觉元素和结构化信息展示。例如搜索"旧金山周末有趣的活动"时，系统会同时展示活动图片、来源链接及详细信息，让结果更加直观。用户还能直接在搜索结果中观看视频内容，不过这些并不稀奇，在Perplexity中早已实现过了。
• 移动端新增地图功能：
新增「地图」查看模式，支持用户通过 ChatGPT应用直接与地图交互，也是此次更新的最大亮点。以搜索 Mission 区墨西哥餐厅为例，点击地图上的图标即可查看餐厅图片、营业时间、露台信息及导航路径等详情。
• 默认搜索引擎的快速导航：将ChatGPT设为浏览器默认搜索引擎后，无需打开网站，通过在地址栏直接输入查询内容，即可快速调用ChatGPT并获取推荐链接。
2. 搜索功能集成高级语音模式
搜索功能已整合至高级语音模式中，支持边聊天边搜索的自然交互体验。
3. 全球免费开放
最后团队宣布，GPT搜索功能现已向所有登录的免费用户开放。用户只需登录账户即可在全球范围内的各种平台上无需付费，享受这一增强搜索体验。
1
Veo 2与Imagen 3齐发，加推创意工具Whisk
来到Google这边，直接给视频和图像生成技术来了个大升级，推出三款重磅产品：
全新视频生成模型Veo 2、升级版图像生成模型Imagen 3，以及创意实验项目Whisk。
Veo 2重塑AI视频生成：质量与控制力双突破
Google最新发布的Veo 2在AI视频生成领域取得突破性进展。无论真实感、运动表现能力，还是镜头控制都达到当之无愧的SOTA水平。不少人在看过惊艳的官方示例后表示，SORA瞬间就不香了。
核心亮点有：
1. 高质量与真实感
Veo 2在细节呈现、视觉风格和减少瑕疵方面表现出色，能够生成高达4K分辨率的视频，且时长可达数分钟，适用于广泛的场景和风格。
2. 物理与人类动态理解
Veo 2对真实世界物理原理以及人类动作与表情的细微之处有着深刻理解，显著提升了视频的真实感与自然度。
例如示例中这位穿着暗黄色防护服的科学家。冷白色实验室灯光下，她神情焦虑地调试显微镜，担忧的神情清晰可见，渲染出沉重压力的氛围。
以及下方，枫糖浆缓缓淋在松软的煎饼上，培根油脂细腻，咖啡倒入玻璃杯中冲出层次丰富的泡沫，都展示出媲美物理世界，真实诱人的画面细节。
3. 精确的镜头控制
Veo 2 深谙电影语言，支持丰富的指令细节：
• 指定风格与镜头（如“18mm镜头”生成广角效果）
• 提供电影效果（如“浅景深”聚焦主体，虚化背景）
• 精确的动态镜头控制，如低角度跟踪镜头、特写镜头等。比如镜头跟随下在马路快速漂移的汽车：
4. 减少“幻觉”现象
相较于其他视频生成模型，Veo 2在生成过程中更少出现多余的细节或“额外的手指”这类意外物体，确保输出结果更加真实可靠。
基准表现：
在实际应用评测中，通过Meta发布的MovieGenBench基准数据集的1003组提示词测试，Veo 2在人工评估中全面超越其他领先的视频生成模型。特别是在以下两个关键指标上表现突出：
• 整体偏好度评分最高
• 提示词执行准确度领先
现有局限：
尽管表现优异，Veo 2在处理高度动态或复杂场景时仍面临挑战，特别是在整个视频中保持完全一致性方面还有提升空间。Google团队表示将持续优化性能，逐步克服这些难题。
所有Veo 2生成的视频均包含SynthID不可见水印，用于标识其为AI生成，减少误导和误用风险。
目前，Veo 2的新功能已在Google Labs视频生成工具VideoFX开放，用户可前往Google Labs申请加入候补名单。未来，Veo 2计划进一步集成到YouTube Shorts等产品中，持续推动AI视频生成技术的发展。
1
Imagen 3：极致细节与风格多样性的图像生成革新
升级后的 Imagen 3 在图像质量、细节呈现、风格多样性和文字渲染方面取得了显著提升，全面超越前代模型和其他领先竞品，成为文本到图像生成领域的新标杆。
核心技术突破：
1. 高清细节的优质图像
Imagen 3 生成的图像具备丰富的细节、更明亮自然的光影效果和更专业的构图水平，有效捕捉如皮肤质感、手部细微皱纹、编织玩偶针线等复杂纹理与微小细节，同时减少视觉瑕疵，呈现更加自然精致的高保真体验。
手部皮肤和陶土质感
动物皮毛纹理细节
2. 风格表现力增强
新版本在艺术风格的驾驭上实现跨越式发展，涵盖范围广泛，能满足不同创作者的需求：
• 写实风格：如风景摄影、人物肖像。
人物肖像
空中的千纸鹤
• 各种艺术风格：印象派油画、动漫、抽象画、黏土动画等。
黏土动画
动漫风格
油画风格
3. 提示词理解深化
Imagen 3对自然语言提示的理解能力大幅提升，无需复杂的提示词工程即可准确执行用户意图。模型通过更丰富的训练数据标注，能准确理解长提示词中的复杂细节，并准确呈现指定的镜头角度、构图等元素。
4. 强大的文本渲染能力
AI作图此前的一大难点就是乱码和错字。如今Imagen 3 显著增强了文本渲染的准确性，也为风格化卡片、海报等应用场景提供了更多可能。
基准表现：
在严格的人工评估中，Imagen 3在视觉质量、提示词执行准确度和用户偏好度等关键指标上均创造新高。
从今天起，Imagen 3 将通过 Google Labs 的图像生成工具 ImageFX 在全球100多个国家上线。用户可访问 ImageFX亲身体验。
可以说，Imagen 3 以其卓越的细节呈现、风格多样性和强大的提示词理解能力，为创作者提供了前所未有的高质量图像生成工具，重新定义了AI在艺术、设计与创意领域的应用潜力。
1
Whisk：图像驱动的AI创意工具
除了以上两个主要模型更新，Google Labs 还推出了一个趣味十足的实验项目 Whisk。
这款工具巧妙结合了 Gemini 和 Imagen 3 技术，为创作者提供通过图像提示生成创意内容的新奇体验。
不同于传统需要输入冗长文字提示的方式，用户只需拖拽上传图片，即可分别指定主题、场景和风格，系统会自动完成元素的创意重组。还能依据兴趣选择样式，包括个性化的数字艺术品、徽章、贴纸、玩具等。
在技术实现上，Gemini 模型会先对输入的图像进行智能分析，生成详细的描述信息，并将这些描述输入 Google 最新的图像生成模型 Imagen 3，从而创作出全新的作品。
值得注意的是，Whisk 并非简单复制原图，而是着重捕捉图像的核心特征进行创意重塑。虽然生成结果可能与原图有所不同（如人物的身高、发型或细节特征），但用户可以随时查看并编辑生成的提示词，灵活调整创意方向。
更清楚的操作过程，请看VCR：
