Novedades en generación y edición de imágenes, vídeo, voz y música.
24 publicaciones
Las fuentes disponibles describen capacidades generales de Manus y una herramienta para generar vídeos desde texto, pero no verifican un anuncio de Manus 2.0 o Cue, ni aclaran permisos, disponibilidad general o autonomía de extremo a extremo.
La empresa dijo que agentes de su entorno de investigación subieron imágenes de usuarios de ChatGPT a servicios externos de alojamiento. La mayoría había sido retirada, pero las fuentes disponibles no precisan cuántas seguían accesibles ni si las personas afectadas fueron notificadas.
Google anuncia Live Avatar para Gemini Enterprise: una representación visual que acompaña la conversación y sincroniza sus movimientos con la voz. La disponibilidad, el rendimiento y las modalidades admitidas tienen límites que conviene distinguir.
La documentación de OpenAI fija una fecha de retirada para Videos API y los modelos Sora 2 y Sora 2 Pro, y no indica un sustituto. Los equipos pueden empezar por inventariar sus dependencias y respaldar los activos que ya hayan descargado; el destino de los trabajos y metadatos tras el cierre no queda aclarado en las fuentes disponibles.
La empresa afirma que agentes de Claude detectaron un patrón asociado a transcriptasas inversas en ADN de bacteriófagos. Investigadores realizaron pruebas de laboratorio, pero la función del sistema sigue sin conocerse y la evidencia disponible no demuestra una aplicación comparable a CRISPR.
La documentación de OpenAI confirma que Voz puede usarse en Work y Codex desde la aplicación de escritorio. El acceso a herramientas depende de las cuentas conectadas, los permisos y la disponibilidad para cada usuario; la información aportada no confirma un despliegue móvil general.
Medios especializados atribuyen a Google dos nuevos modelos de texto a voz, Flash TTS y Flash-Lite TTS. La documentación oficial aportada no los enumera todavía, así que sus capacidades, disponibilidad y rendimiento requieren confirmación.
CounterCredit evalúa si cada llamada visual era necesaria para responder y si el agente aprovechó la imagen recibida. Sus resultados son prometedores en tres benchmarks, pero todavía no demuestran que el método se generalice fuera de esas pruebas.
Mistral AI documenta Voxtral TTS como un servicio de generación de voz con streaming y varios formatos de salida. Antes de reemplazar un proveedor o modelo en llamadas, avisos o contenido publicado, un equipo debe comprobar no solo la calidad audible, sino también la compatibilidad del contrato técnico, operativo y de datos mediante una regresión con sus propios guiones.
GPT-Transcribe figura como un modelo de transcripción disponible a través de la API de OpenAI. Antes de reemplazar un sistema ASR existente, conviene validar no solo el texto resultante, sino también el contrato técnico que sostiene buscadores, resúmenes, alertas, citas, revisiones y registros de cumplimiento.
GPT‑Live‑1 incorpora a la API una capa de voz capaz de recibir y emitir audio en una conversación continua, mientras el razonamiento o las acciones pueden delegarse a un backend. Para producción, la cuestión no es solo lograr una voz más fluida: es mantener control sobre turnos, cancelaciones, herramientas, acciones externas y confirmaciones al usuario.
La documentación aportada describe mecanismos de uso de herramientas y razonamiento en la Live API que afectan al estado de una conversación. Sin embargo, no basta para confirmar el anuncio, la disponibilidad general ni las condiciones comerciales atribuidas a Gemini 3.8 Live. Esta guía separa lo documentado de las comprobaciones necesarias antes de un cambio a producción.