跳到正文
只看平台#Google
  1. Google AI Blog58

    Made on YouTube 2026：直播粉丝赞助、配音等新工具发布

    YouTube 在 Made on YouTube 2026 活动中宣布一批直播工具更新，聚焦粉丝赞助与自动配音等方向，延续其在直播互动与多语言能力上的投入。

    推荐理由：YouTube 年度创作者大会的直播相关产品发布，代表其直播产品路线。

  1. Google AI Blog62

    Google 发布 Gemini 3.8 Live 与 3.5 转写模型

    Google 在 Gemini API 与 AI Studio 上线 Gemini 3.8 Live、3.8 Live Extended Thinking 与 3.5 Transcribe：3.8 Live 为原生语音到语音模型，支持异步函数调用（后台执行工具调用同时继续流式输出音频）、视觉上下文与 97+ 语言；3.8 Live Extended Thinking 在 Artificial Analysis 的 Speech-to-Speech 榜单排名第一；3.5 Transcribe 覆盖 85+ 语言，官方给出平均 WER 4.0%（流式）与 2.6%（非流式）。

    推荐理由：实时语音链路上游模型的关键更新，直接影响语音 Agent 与实时转写方案的选型。

  1. Google AI Blog66

    Chrome 153 新增摄像头/麦克风专用 HTML 元素并支持 IAMF 沉浸式音频解码

    Chrome 153 加入摄像头与麦克风专用 HTML 元素（浏览器托管 UI，需显式点击授权），并通过 MSE 在 HTML 媒体元素中支持开放免版税空间音频格式 IAMF 的解码播放。

    推荐理由：浏览器媒体采集与沉浸式音频格式的双重进展，直接影响 Web 音视频应用形态。

  1. Google AI Blog56

    Google 扩展 SynthID 与内容凭证的媒体溯源覆盖

    Google 公布内容透明度工具进展：SynthID 不可见水印已用于 AI 生成的图像、视频与音频，累计标注超过 1000 亿张图像/视频与 6 万年时长的音频；C2PA Content Credentials 从 Pixel 10 相机扩展到 Pixel 8/9/10 的视频拍摄。SynthID 验证已在 Gemini App 使用 5000 万次，并扩展到 Search 与 Chrome 的“Is this made with AI?”查询；OpenAI、Kakao、ElevenLabs 将引入 SynthID，Google Cloud 上线 AI Content Detection API。

    推荐理由：AI 生成媒体的水印与溯源正在成为音视频平台的合规基础设施，该更新给出规模化数据。

  1. Google AI Blog57

    Chrome 148 为视频与音频元素引入延迟加载

    Chrome 148 将视频与音频元素的延迟加载纳入默认功能集，此外还包含 CSS 名称限定容器查询、Prompt API、WebRTC 数据通道始终协商等更新。

    推荐理由：媒体元素 lazy loading 进入稳定版，影响视频站点的加载策略与带宽优化。

  1. Google AI Blog62

    YouTube Live 四项更新：横竖屏同播共享聊天、礼物扩展与互动高峰自动避广告

    YouTube Live 更新四项能力：横屏直播也可收礼物并扩展至加拿大、韩国等更多市场，Super Chat/礼物触发个人无广告窗口，互动高峰自动暂停广告，并支持横竖屏同时开播且共用一个聊天室——官方披露 2025 年美国 30% 以上直播观看时长来自联网电视。

    推荐理由：YouTube 直播形态与变现机制的重要调整，CTV 占比数据对行业有参考意义。

  1. Google AI Blog60

    Chrome 推出浏览器发起的自动画中画：未注册媒体会话处理程序的网站也可自动 PiP

    Chrome 引入浏览器发起的自动画中画：对未注册媒体会话操作处理程序的网站，切标签页时也可自动弹出视频 PiP；触发条件严格限定，包括媒体两秒内有声、未使用摄像头/麦克风、用户媒体互动指数超阈值等。

    推荐理由：浏览器播放器行为的重要变化，视频/音乐类 Web 应用需关注触发条件与隐私设定。

  1. Google AI Blog68

    YouTube 自动作配音扩展至 27 种语言：Expressive Speech 八语种上线并试点唇形同步

    YouTube 宣布自动配音面向所有创作者开放并扩展至 27 种语言：2025 年 12 月日均超 600 万观众观看 10 分钟以上自动配音内容；Expressive Speech 在英法德等 8 种语言上线以保留情绪表达，同时新增观众偏好语言设置与音乐/静音视频智能过滤，唇形同步处于试点阶段。

    推荐理由：全球最大视频平台的 AI 配音规模化数据与功能边界，是配音行业与 AI 增强的风向标。

已经到底了