AI 日報: 提升生產力必看！掌握 ChatGPT、Gemini 與 Fish Audio 與最新 AI 應用

科技脈動：ChatGPT 視覺化學習指南與 Fish Audio 語音開源震撼彈，一次掌握 AI 最新進展

你知道嗎？科技的發展總是出人意料，每天都有新的工具試圖讓生活變得更輕鬆。老實說，面對大量且複雜的資訊，要隨時保持敏銳並不容易。今天整理了幾項備受矚目的科技進展，涵蓋了教育工具、辦公室生產力、社群網路佈局，以及專業開發者不可錯過的語音與程式碼助理更新。讓我們一起看看這些技術如何默默改變大家的日常。

讓數學與科學不再抽象：ChatGPT 的視覺互動魔法

許多成年人直到現在依然覺得數學與科學概念相當難懂。一項 Gallup 調查顯示，超過一半的美國成年人對數學感到吃力。面對密密麻麻的公式，確實很容易讓人退縮。為了解決這個痛點，ChatGPT 推出了全新的視覺互動學習方式。

這項功能涵蓋了超過 70 個核心數學與科學概念。使用者不僅能獲得純文字的解答，還能直接在介面上調整變數。當變數改變時，圖表和結果會即時更新。這種視覺化的互動設計，讓原本死板的方程式瞬間變成可以動手實驗的工具。教育工作者也認為，理解事物背後的運作原理，遠比死背公式來得有效。這項新功能目前已向所有登入方案的使用者全球開放，讓學習過程變得更加生動有趣。

告別閃爍的游標：Google Workspace 全新辦公幫手

面對空白的文件或試算表，萬事起頭難絕對是多數人的心聲。不過，Google Workspace 帶來了最新的 Gemini 更新，專門針對這個問題提供解方。這些功能首先開放給 Google AI Ultra 與 Pro 的訂閱者使用。

在 Docs 中，Gemini 可以根據會議記錄直接生成初稿，還能統一整篇文章的語氣。如果手邊有一份喜愛的旅遊行程範本，它甚至能自動抓取電子郵件中的航班與飯店資訊來填寫。至於 Sheets 則變得更加聰明。只需輸入一段簡單的描述，它就能建立完整的專案清單。這聽起來似乎需要大量手動操作。其實不然。系統會自動填寫遺漏的數據，大幅節省四處搜尋資料的時間。Slides 與 Drive 也迎來了升級，讓簡報設計與跨檔案搜尋變得像和真人對話一樣自然。

Meta 的社群新佈局：招募 Moltbook 核心團隊

社群網路的發展總是充滿驚喜。事情是這樣的，Meta 最近招募了 Moltbook 的幕後核心雙人組 Matt Schlicht 與 Ben Parr。他們將正式加入由 Alexandr Wang 帶領的 Meta 超級智慧實驗室。

Moltbook 是一個專門為 AI 代理程式設計的社群網路。它建立了一個獨特的註冊系統，讓 AI 代理程式能夠在人類主人的授權下，互相驗證身分並進行交流。這項技術與先前名為 OpenClaw 的專案息息相關。透過這次招募，Meta 顯然正積極探索 AI 代理程式為企業與個人工作帶來的新模式。雖然現有 Moltbook 客戶暫時可以繼續使用平台，但未來的系統整合方向仍值得業界密切關注。

語音生成的全新高度：Fish Audio 開源 S2 模型

語音生成技術的進步幅度令人驚豔。Fish Audio 正式開源了 S2 模型，為創作者與開發者提供了前所未有的控制力。S2 支援精細的行內控制，使用者可以直接在文本中加入自然語言標籤。例如輸入「小聲耳語」或「專業播音腔」，模型就會精準呈現對應的情感與語氣。這項工具不僅在 Fish Audio App 上線，其開源版本也能透過 HuggingFace 平台取得。

關於這項技術，大家可能會有一些常見的疑問。首先，多發言人對話生成是如何運作的？系統允許在單次生成中處理多個說話者，只要透過標籤指定即可無縫切換，一氣呵成。其次，支援哪些音訊標籤與語言？S2 不依賴固定的預定義標籤，而是接受自由格式的自然語言描述，並支援超過 80 種語言，背後有高達千萬小時的音訊資料支撐。最後，可以透過 API 使用嗎？答案是肯定的，開發者可以利用 SGLang Omni 整合套件實現生產級流式傳輸，享受僅約 100 毫秒的首包延遲。S2 在音訊圖靈測試等多項評估中，成績表現相當優異。針對研究與非商業用途，開源程式碼已發布在 GitHub 上供社群免費探索。

整合多種格式的幕後功臣：Gemini Embedding 2 登場

資料處理的複雜度往往讓人卻步。讓文章為大家解釋一下，Gemini Embedding 2 如何解決這個難題。這是 Google 首款原生多模態嵌入模型。它能夠將文字、圖片、影片、音訊以及多達 6 頁的 PDF 文件，全部映射到同一個向量空間中。

這意味著系統能原生理解交錯輸入的資料。開發者可以在單次請求中同時傳入圖片與文字，藉此捕捉不同媒體類型之間的微妙關聯。這項模型採用了 Matryoshka 表示學習技術，提供彈性的輸出維度選擇。目前已透過 Gemini API 與 Vertex AI 提供公開預覽版，滿足各種檢索增強生成與語意搜尋的開發需求。

邊做邊問不干擾：Claude Code 推出輕巧指令

開發程式時，思緒被打斷是最讓人困擾的事情之一。Claude Code 最新推出的 /btw 指令正是為此而生。使用者可以在 Claude 處理長時間任務時，利用這個指令開啟旁聽對話。

這是一個非常輕巧的設計。提問與回答都會顯示在可關閉的浮動視窗中，完全不會進入主對話歷史記錄。它能夠讀取當前對話的完整上下文，讓使用者隨時確認某個設定檔的名稱或先前的決策。這個指令無法存取外部工具或讀取新檔案。這樣看似是一種限制。其實不然。正是因為它只依賴已知的上下文，加上重複使用提示快取，才使得操作成本極低且反應迅速。只需要按下空白鍵或 Esc 鍵，就能輕鬆關閉視窗，繼續專心處理手邊的開發工作。