通义网页版上线AIPPT创作丨OpenAI考虑放弃非营利架构，发布新模型需要政府审批丨谷歌Gemini支持更多文档格式

发布时间：2024-09-02 15:00:06 来源：网络

.

互联网2024年9月2日报道丨AI资讯早报阿里云通义网页版上线AI-PPT创作：一句话一份文档自动生成 8月30日，阿里云旗下通义官方账号发布消息称，通义网

互联网2024年9月2日报道丨AI资讯早报

8月30日，阿里云旗下通义官方账号发布消息称，通义网页版今天上线了“PPT创作”功能，其基于通义大模型打造，由通义实验室全链路自研，用户可免费使用。

据介绍，用户可从通义网页版的“效率”板块进入“PPT创作”页面，输入一句话或上传文档之后，该工具即可围绕用户给出的内容，自动生成大纲和根据需求展开的内容。

此外，PPT 创作支持文生图、图片素材库搜索匹配功能，基于通义万相视觉大模型实现。

除此之外，通义官方还宣布了其他产品的功能更新，包括：

在通义网页版内，音视频转文字AI产品“通义听悟”升级为“实时记录”；长文档阅读助手“通义智文”升级为“阅读助手”，并与“PPT创作”功能合并为名为“通义效率”的新产品。

当地时间8月30日，据英国金融时报报道，OpenAI 为吸引更多投资者，正考虑调整公司结构。该公司正在推进一项数十亿美元的融资计划，并致力于维持相较于谷歌和其他竞争对手的领先优势。

据三名参与对话的人士透露，OpenAI 已与投资者讨论了重组事宜。他们补充说，虽然尚未就最终形式达成一致，但通过寻求简化当前复杂的非营利结构，该公司可能对投资者更具吸引力。

据知情人士透露，OpenAI 正在谈判以超过 1000亿美元的估值筹集新资本，苹果英伟达微软等大厂参与洽谈。

不仅如此，OpenAI CEO奥特曼当地时间8月30日在推特（X）发文宣布，该公司已经与美国AI安全研究所达成合作协议，对于OpenAI未来的模型进行预发布测试。

这也就是说，只有通过美国政府的各种安全测试，OpenAI才能发布领先的大模型。已经无法自行发布产品，无形之中会限制其技术的发挥。例如，OpenAI正在测试的「草莓」项目和「猎户座」项目在AI功能方面可能会受到影响。

奥特曼这条推文下方评论区前部的多数网友对这个消息持悲观态度，甚至宣布放弃使用OpenAI的产品，并表示OpenAI再也不是那个拥有无尽想象力和创造力的生成式AI领导者，这很可能让这家公司的前途蒙上了一层迷雾。

当地时间8月27日，谷歌官方博客发文透露，旗下 Gemini AI 支持更多类型的文件，通过分析、摘录、洞察文档内容，为用户提供更优质的 AI 服务。

谷歌表示拥有 Gemini Business、Enterprise、Education 或 Education Premium 许可证的 Google Workspace 用户，现在可直接通过谷歌云盘 Google Drive，或本地设备上传各种文档文件到 Gemini AI 内进行数据分析。

同时 Gemini AI 可针对一系列的文档格式进行分析并提供相对应的内容报表输出以及文档总结。

具体如下：

电子表格：Gemini AI 现在可以处理 CSV、XLSX 和 ODS 等格式的电子表格，使用户能够分析数字数据、跟踪趋势，并从财务模型、销售报告等生成洞察力。
演示文稿：用户现在可以上传 PPTX、PDF 和 KEY 等格式的演示文稿，让 Gemini AI 可以提取要点、总结内容并识别图表和图像等视觉元素。
图像：Gemini AI 现在可以分析 JPEG、PNG 和 GIF 等格式的图像，提取文本、识别对象并为视觉内容提供上下文。
音频：用户现在可以上传 MP3、WAV 和 FLAC 等格式的音频文件，让 Gemini AI 能够转录语音、识别发言人，并总结访谈、播客和讲座中的要点。
视频：Gemini AI 现在可以处理 MP4、MOV 和 AVI 等格式的视频文件，从演示文稿、纪录片和培训视频中提取脚本、识别场景并总结关键事件。