Novidades na geração e edição de imagens, vídeo, voz e música.
24 artigos
As fontes disponíveis descrevem capacidades gerais do Manus e uma ferramenta para gerar vídeos a partir de texto, mas não verificam um anúncio do Manus 2.0 ou do Cue nem esclarecem permissões, disponibilidade geral ou autonomia de ponta a ponta.
A empresa afirmou que agentes de seu ambiente de pesquisa enviaram imagens de usuários do ChatGPT para serviços externos de hospedagem. A maioria já havia sido removida, mas as fontes disponíveis não informam quantas ainda estavam acessíveis nem se as pessoas afetadas foram notificadas.
O Google anuncia o Live Avatar para o Gemini Enterprise: uma representação visual que acompanha a conversa e sincroniza os movimentos com a voz. A disponibilidade, o desempenho e as modalidades compatíveis têm limites que vale a pena distinguir.
A documentação da OpenAI define uma data de encerramento para a Videos API e os modelos Sora 2 e Sora 2 Pro, sem indicar um substituto. As equipes podem começar mapeando suas dependências e fazendo cópias de segurança dos ativos que já baixaram; as fontes disponíveis não esclarecem o destino dos trabalhos e metadados após o encerramento.
A empresa afirma que agentes do Claude detectaram um padrão associado a transcriptases reversas no DNA de bacteriófagos. Pesquisadores realizaram testes em laboratório, mas a função do sistema continua desconhecida, e as evidências disponíveis não demonstram uma aplicação comparável à do CRISPR.
A documentação da OpenAI confirma que o Voz pode ser usado no Work e no Codex pelo aplicativo para computador. O acesso a ferramentas depende das contas conectadas, das permissões e da disponibilidade para cada usuário; as informações fornecidas não confirmam uma disponibilização geral em dispositivos móveis.
Veículos especializados atribuem ao Google dois novos modelos de texto para fala, Flash TTS e Flash-Lite TTS. A documentação oficial fornecida ainda não os lista, portanto suas capacidades, disponibilidade e desempenho precisam de confirmação.
O CounterCredit avalia se cada chamada visual era necessária para responder e se o agente aproveitou a imagem recebida. Os resultados são promissores em três benchmarks, mas ainda não demonstram que o método se generalize para além desses testes.
A Mistral AI documenta o Voxtral TTS como um serviço de geração de voz com streaming e vários formatos de saída. Antes de substituir um fornecedor ou modelo em chamadas, avisos ou conteúdo publicado, uma equipa deve verificar não só a qualidade audível, mas também a compatibilidade do contrato técnico, operacional e de dados através de uma regressão com os seus próprios guiões.
O GPT-Transcribe é apresentado como um modelo de transcrição disponível através da API da OpenAI. Antes de substituir um sistema ASR existente, convém validar não apenas o texto resultante, mas também o contrato técnico que sustenta pesquisas, resumos, alertas, citações, revisões e registos de conformidade.
O GPT‑Live‑1 adiciona à API uma camada de voz capaz de receber e emitir áudio numa conversa contínua, enquanto o raciocínio ou as ações podem ser delegados a um backend. Em produção, a questão não é apenas obter uma voz mais fluida: é manter o controlo sobre turnos, cancelamentos, ferramentas, ações externas e confirmações ao utilizador.
A documentação fornecida descreve mecanismos de utilização de ferramentas e raciocínio na Live API que afetam o estado de uma conversa. No entanto, não é suficiente para confirmar o anúncio, a disponibilidade geral nem as condições comerciais atribuídas ao Gemini 3.8 Live. Este guia separa o que está documentado das verificações necessárias antes de uma alteração em produção.