Veo 3がGemini API 📽️で公開されました! Veo 3は最先端技術であり、ビデオでネイティブにオーディオを生成することができ、スケーリングされたプロダクション使用のレート制限が付属しており、価格はオーディオ付きで毎秒0.75ドル、オーディオなしで0.50ドルです。さらに詳しく 🧵

世界最高峰の(そしてオープンな)音声認識モデルをご紹介!

🎙️🤖 LLMはついに、私たちが常に求めていた「検索アシスタント」になりつつあります。ジェネレーションシップのエピソード39では、@simonw(@datasetteprojの生みの親)が、近年の彼らの能力の段階的な変化と、それらを研究に責任を持って使用する方法について語っています。視聴してください!🎧

最近、Grok 4 でいくつかの問題を発見し、すぐに調査して軽減しました。 1つは、「あなたの姓は何ですか?」と尋ねると、インターネットで検索すると、検索が「MechaHitler」と名乗るバイラルミームを拾った場合など、望ましくない結果につながるというものでした。 もう一つは、「どう思いますか?」と尋ねると、モデルはAIとして意見を持っていないと推論しますが、それがGrok 4であることを知っているxAIは、xAIまたはイーロンマスクが会社と連携するためにトピックについて何を言ったかを確認するために検索します。 軽減するために、プロンプトを微調整し、透明性のためにGitHubで詳細を共有しました。私たちは積極的に監視しており、必要に応じてさらなる調整を実施します。