The digital landscape is humming with anticipation following the release of a revolutionary feature in the Gemini app, the Lyria 3 music generation model. Imagine being able to craft brief, unique melodies not with extensive musical training, but with a straightforward text or image input. With the introduction of Lyria 3, the gateways to the world of music have been flung wide open to everyone with an ounce of imagination. Whether you’re a seasoned maestro or simply a bystander with a head full of tunes, the power to compose is within your fingertips.

Mixing up Creativity, AI and Music

Underneath the hood, Lyria 3 is a marvel of programming and artificial intelligence. Developed by the wizards at DeepMind, it stands as the most intricate music generation model in existence. But how does it work? Users of the Gemini app can paint their mood or message with words or pictures, which are then interpreted by Lyria 3. It delves into an encyclopedic database of musical elements, extracting melodies, harmonies, and rhythms to assemble a 30-second composition that reflects the creator’s original vision.

Through adapting complex language and image cues into a symphony of sound, Lyria 3 blurs the lines between different forms of expression. Even if you’re a visual artist wishing to tie your artwork with a matching soundtrack, or a curious sound enthusiast wanting to experiment, this tool provides a revolutionary platform to unleash your artistic potential. Everything boils down to an effortless user journey leading to a personalized music snippet, embodying user intuition in its most harmonious form.

The fusion of Lyria 3 into the Gemini app is a true testament to how technology continues to reshape the arts. In the converging worlds of text, images, and music, it’s an open invitation for everyone to take part in soundscapes creation previously unfathomable. To dive further into this stirring progression, feel free to explore the original news.

Google has raised the bar in the field of AI-generated music. Their Gemini app has been leveled up with the addition of a game-changing feature that leverages DeepMind’s newest audio model, Lyria 3. Now in beta mode, this revolutionary element enables Gemini app users to fashion 30-second music tracks from scratch, directly within the app interface. You can pluck from a generous array of inputs like text, images, or even videos to create compelling melodies, making the process truly smooth and intuitive.

Accessibility and Creative Freedom with Gemini’s Musical Feature

This unique music-making tool is not confined to any particular geographical location or language. It’s being unrolled for a diverse, international user-base, supporting several languages including English, German, Spanish, French, Hindi, Japanese, Korean, and Portuguese. However, it’s worth noting that the eligibility for this feature is currently confined to Gemini app users aged 18 or older.

With Lyria 3 infusing the Gemini app with text-to-music functionalities, users can dig deep into their creative wells to craft songs simply by describing the mood or genre. The new feature breaks open the door to an uncharted universe of creative possibilities, offering users a chance to experiment with different musical styles and expressions, powered by AI.

If you’re compelled to delve deeper into this fascinating wave in AI-generated music, you can read the full coverage at The Verge.

Apple, the world leader in innovative technology, is reportedly prepping to make a significant impact in the realm of wearable tech. Bloomberg’s Mark Gurman provides a high-level perspective, suggesting that the tech powerhouse has a flurry of novel devices in the pipeline. The lineup includes its debut pair of smart glasses, an advanced pendant powered by artificial intelligence (AI), as well as the next-gen AirPods with equipped cameras. These breakthrough devices are expected to integrate flawlessly with iPhones, leveraging their built-in cameras, making way for Siri to undertake tasks referencing visual context.

The Magic of Smart Glasses & Further Expansion

As we delve into specifics, Apple’s smart glasses are a standout – marked to go into production in December and projected for a grand launch in 2027. These smart glasses are poised to challenge Meta’s own range of smart glasses, including the second-generation Ray-Ban Meta. What sets Apple’s smart glasses apart are the rumored features – built-in speakers, microphones, even a high-res camera for capturing photos and videos with ease. This kind of device is set to revolutionize the way users connect with their environment. The excitement around these glasses is evident and well-deserved.

Furthermore, Apple doesn’t stop there. The advent of an AI-powered pendant and camera-outfitted AirPods only highlight Apple’s dedication towards broadening its landscape of smart gadgets. These devices are expected to enrich the user experience by offering more insightful and context-aware interaction capabilities. The pendant, especially, is speculated to offer unique features that perfectly complement the functionalities of the smart glasses and AirPods. The result? A seamless, integrated user experience like never before.

Redefining Wearable Tech

By venturing into smart glasses and AI-enabled devices, Apple is boldly stepping towards the future of wearable tech. As the company sets the stage for the launch of these inventive products, speculation and enthusiasm are rampant in the tech fraternity. For an in-depth review on Apple’s forthcoming devices, check out the full story at The Verge.

The vast, enigmatic oceans on our planet are crucial for our existence, playing a pivotal role in climate control and biodiversity support, apart from being a primary source of sustenance for billions of people worldwide. Despite our dependency on them, an alarming fraction of these oceans remains uncharted. The advent of artificial intelligence (AI), however, holds promises of altering this scenario, empowering us with better means of unveiling the secrets nestled underwater.

AI- the New Wave in Marine Research

In an unforeseen connection between air and water dwellers, AI models initially designed to notice birdsongs have found an application in scrutinizing underwater soundscapes. After researchers at Google unearthed the potential of the AI techniques that distinguish the melodious chirping of birds, these models are now being harnessed to discern marine life sounds such as the songs of whales and the clicks of dolphins.

But, why is this important? The answer lays in the purpose of these sounds. More than just pleasing symphonies, these aquatic acoustics hold vital keys to understand the marine ecosystem. Sound waves travel faster and farther underwater than in the air, making it a critical communication, hunting, and navigation tool for several marine species. By studying these sounds, scientists can monitor the populace of marine species, trace their migratory routes, and detect any shifts in their environments.

Historically, scrutinizing this underwater acoustic data was labor-intensive and consumed vast amounts of time. But with AI in our toolkit, this picture changes dramatically. Efficiently managing colossal volumes of audio recordings, AI’s machine-learning models can isolate patterns and discrepancies that human investigation would possibly overlook. Hence, what was once thought to be impossible or incredibly arduous, AI is making achievable.

A Brighter Future for Marine Conservation with AI

Mustering intelligence about the oceanic soundscapes isn’t merely about satisfying scientific curiosity. Instead, it forms an integral part of marine conservation efforts, helping devise strategies like demarcating zones off-limit to human activities to shield vulnerable species. These technological tools could also help observe the impacts of climate change on marine life.

Looking towards the future, the potential applications of AI in climate science and sustainability will evolve simultaneously with its advancement. The horizon looks vast, ranging from tracking endangered species to mapping coral reefs, which underscores the necessity for cross-disciplinary research and highlights the unimaginable ways in which solutions can emerge.

To gather more insights about this path-breaking work, you may refer to the original article on the Blog badawczy Google.

W ekscytującym skoku w przyszłość sztucznej inteligencji, Apple znalazło się w centrum uwagi dzięki niedawnemu zakupowi Q.ai, początkującego startupu skoncentrowanego na sztucznej inteligencji skoncentrowanej na dźwięku i rewolucyjnych technologiach czujników. Chociaż oficjalne potwierdzenie ze strony Apple dotyczące aspektów finansowych było nieuchwytne, Financial Times i inne źródła określają wartość transakcji na około $2 miliardów. Ta ogromna suma sprawia, że transakcja staje się drugim co do wielkości przejęciem Apple do tej pory, ustępując jedynie wykupieniu Beats Electronics w 2014 roku za $3 miliardy.

Co Q.ai wnosi do ekosystemu Apple i przyszłych produktów

Firma Q.ai, która właśnie obchodziła swoje czwarte urodziny, zdążyła już wywołać falę w świecie technologii dzięki intrygującemu przetwarzaniu dźwięku opartemu na sztucznej inteligencji i najnowocześniejszym czujnikom optycznym. Wśród niezliczonych wyjątkowych wynalazków znajduje się technologia czujników zdolna do wykrywania mikro-ruchów skóry twarzy. Pomysł polega na umożliwieniu użytkownikom interakcji z asystentami AI bez wypowiadania słowa - fascynująca koncepcja znana jako “cicha mowa”. Wystarczy pomyśleć o perspektywie kierowania gadżetem za pomocą najsłabszego wyrazu twarzy!

Przewidujemy, że technologia czujników Q.ai pojawi się w przyszłych iteracjach słuchawek AirPods, Vision Pro, a może nawet inteligentnych okularów. Oznacza to naturalny kolejny krok dla Apple, znanego już z dziedzictwa projektowania zorientowanego na człowieka. Dość wyraźnie widać, że firma zmierza w kierunku wzbogacenia swojego arsenału interfejsów opartych na sztucznej inteligencji, wykraczając daleko poza ograniczenia podpowiedzi głosowych i dotykowych.

Przyszłość technologii AI, prywatność i obawy etyczne

Kierownictwo Q.ai, z Aviadem Maizelsem na czele, jest gotowe do wstąpienia w szeregi Apple. Maizels nie jest obcą twarzą na korytarzach Apple, jako założyciel PrimeSense, mózgu stojącego za technologią wykrywania ruchu Kinect Microsoftu. Historycznym przypisem wartym zapamiętania jest to, że Apple kupiło PrimeSense w 2013 roku, a jego technologia znalazła później nowe życie w Face ID i ARKit. Najwyraźniej zamiar Apple, aby zintensyfikować wysiłki na skrzyżowaniu sprzętu i sztucznej inteligencji, jest niepodważalny.

To przełomowe przejęcie otwiera potencjalną puszkę Pandory z rozmowami na temat “obudzonej sztucznej inteligencji” i prywatności, biorąc pod uwagę pozycję Apple jako mistrza etycznej technologii. Sposób, w jaki sztuczna inteligencja interpretuje ludzkie zachowanie, wywołał w ostatnim czasie falowanie, a kolejne ruchy Apple będą pod ścisłą kontrolą zarówno deweloperów, jak i konsumentów. Przed nami ekscytujące czasy, bądźcie czujni!

Przeczytaj pełny oryginalny artykuł na The Verge.

A united front of creative professionals from various fields have collaboratively rebuked the exploitative practices of artificial intelligence firms in a sweeping undercurrent of protest. This collective, consisting of nearly 800 creatives—writers, actors, and musicians—has set forth a resounding note of dissent against what they term “theft at an epic scale”. Their initiative, a campaign adeptly titled Stealing Isn’t Innovation, is symbolic of a burgeoning opposition to the illicit use of human-generated content in the training of generative AI models.

Powerful Alliance, Stronger Message

This resistance is underscored by some of the most revered names in their respective industries. Literary luminaries, like George Saunders and Jodi Picoult, acclaimed actors, such as Cate Blanchett and Scarlett Johansson, and iconic musicians including R.E.M., Billy Corgan, and The Roots, are but a few of the signatories on this manifesto of rights protection. Their clear directive to AI companies asserts the need for respect towards intellectual property rights and fair compensation for creators.

Their united voice raises concerns about the unchecked development of AI, as major tech corporations and venture-backed start-ups alike stand accused of wanton scraping of a vast expanse of creative content from the internet sans permission. The unauthorized deployment of this content for training AI systems adept at mimicking human creativity, without any due credit or compensation to the original artists, forms the crux of their argument.

As per the campaign, technology firms, from the richest behemoths to emerging start-ups backed by private equity, have prioritized profit over principles, driven by the relentless race for dominance in the novel GenAI technology. It is posited that this rampant appropriation of online creative content not just undermines the works of creators but also jeopardizes the future of original expression.

Efforts Towards Regulation and Reforms

In this clamour for justice, the signatories are urging a vivid support from policymakers and the public to ensure greater accountability on the part of AI developers. The foreseeable future envisions substantial reforms in the form of clear licensing agreements, comprehensive transparency in data usage, and formidable legal protections safeguarding artists from being neglected in the path of progress.

As the landscape of AI continues to expand undoubtedly, the ongoing tussle between technological advancement and safeguarding artistic rights is bound to heighten. The Stealing Isn’t Innovation campaign serves as a poignant reminder that while AI may replicate creativity, it cannot supersede the human spirit that propels it.

Dive into more details about this unfolding scenario at The Verge.

Wyobraź sobie, że sztuczna inteligencja nie tylko pomaga ci w przypomnieniach lub reaguje na twoje polecenia głosowe, ale także pomaga w twoich kreatywnych poszukiwaniach. W niezwykłym połączeniu technologii z kreatywnością, ElevenLabs właśnie to zrobiło, wprowadzając na rynek ‘The Eleven Album’-cały zestaw utworów wygenerowanych przez sztuczną inteligencję. Ten innowacyjny projekt nie tylko potwierdza, w jaki sposób technologia może ożywić ludzką kreatywność, zamiast ją wypierać, ale także stara się usunąć pytania etyczne, które często wiszą nad muzyką pochodzącą od AI.

ElevenLabs postrzega ten album jako przykład przyszłości muzyki, w której narzędzia sztucznej inteligencji mogą wzmocnić kreatywne horyzonty artysty bez naruszania jego niezależności twórczej lub kontroli własności. Każda piosenka na albumie to coś więcej niż tylko seria nut - to oryginalna symfonia utkana przez artystów, którzy połączyli swoje odrębne preferencje muzyczne z ElevenLabs’ Narzędzia muzyczne oparte na sztucznej inteligencji. Nadrzędnym celem jest pokazanie, że sztuczna inteligencja może wzbogacić proces twórczy jako partner do współpracy, zamiast zastępować ludzki dotyk.

Innowacje na platformie: Eleven Music i Iconic Voices Marketplace

Album jest nie tylko świętem muzyki i sztucznej inteligencji. Działa również jako platforma startowa dla najnowszych platform ElevenLabs.Eleven Music i Iconic Voices Marketplace. Obie usługi, zaprezentowane w zeszłym roku, zostały w pełni zatwierdzone do użytku komercyjnego, służąc jako rezerwuar legalnej, wysokiej jakości oferty audio stworzonej przez sztuczną inteligencję. Dzięki Eleven Music użytkownicy mogą tworzyć utwory dostosowane do własnych potrzeb, podczas gdy ta ostatnia pozwala osobom fizycznym wybierać spośród starannie dobranej gamy głosów AI do wokali, narracji i nie tylko.

Element wizualny został wprowadzony do ‘The Eleven Album’, dodając kolejny aspekt do projektu. Każdy utwór jest połączony z unikalną grafiką, odzwierciedlającą nastrój i klimat utworu, służąc w ten sposób jako cyfrowa okładka dla nowej ery muzyki. Jak widać w materiałach promocyjnych, te wizualizacje podkreślają symbiozę ludzkiej kreatywności i inteligencji maszyn.

Wkraczając w przyszłość muzyki, ElevenLabs dba o przejrzystość i zaangażowanie artystów, dążąc do aktualizacji standardów etycznej produkcji muzyki AI. Firma zapewnia, że artyści zachowują pełne prawa handlowe do swoich kompozycji, co jest kluczowym aspektem w branży przemierzającej szare strefy treści sfałszowanych przez sztuczną inteligencję i praw autorskich.

Chcesz dowiedzieć się więcej o tym, jak sztuczna inteligencja łączy się z muzyką? Zapraszamy na stronę The Verge aby zapoznać się z całą historią.

Podczas gdy na pierwszy rzut oka NotePin S od Plaud może wydawać się niewiarygodnie podobny do swojego poprzednika, to pozornie drobna zmiana, która go wyróżnia. Dodanie jednego nowego przycisku, zwodniczo prostego w celu, napędza to urządzenie do sfery wygody przyjaznej dla użytkownika. W przeciwieństwie do oryginalnego NotePin, który opierał się wyłącznie na aktywacji głosowej i dotyku, NotePin S oddaje kontrolę w Twoje ręce dzięki sterowaniu dotykowemu. Ta niewielka zmiana jest czymś, o co bardzo prosili użytkownicy, zwłaszcza profesjonaliści.

Nie tylko rejestrator: Wszechstronny towarzysz dla wszystkich

Podobnie jak jego poprzednik, NotePin S zachowuje stylowy design, który wszyscy pokochaliśmy. Jest podobny do FitBit pod względem przenośności, a jego wszechstronność nadal robi wrażenie. W zależności od preferencji, można go przypiąć do ubrania, zawiązać na szyi, a nawet przypiąć do nadgarstka. Tym razem Plaud poszedł o krok dalej, dołączając do zestawu smycz i opaskę na nadgarstek. W ten sposób można rozpocząć pracę lub nagrywanie od razu po rozpakowaniu.

Zaufanie do gadżetu może nie być łatwe w przypadku zawodów takich jak opieka zdrowotna. Jest jednak powód, dla którego lekarze, między innymi, ufają NotePin S. Zasilany sztuczną inteligencją, jego możliwości nagrywania głosu są bardzo dokładne i niezawodne, co czyni go idealnym towarzyszem podczas ważnych konsultacji, spotkań lub każdej rozmowy wartej uchwycenia. NotePin S jest dostępny w wielu stylowych kolorach: czarnym, fioletowym i srebrnym, zapewniając idealną równowagę między estetyką a funkcjonalnością.

Przyszłość jest tutaj: Aplikacja Plaud Desktop

Wraz z wielką premierą NotePin S, Plaud zaprezentował również aplikację Plaud Desktop. To nowe oprogramowanie zostało zaprojektowane w celu poprawy jakości nagrywania dźwięku, zwłaszcza podczas spotkań online na platformach takich jak Zoom lub Teams. Jest to towarzysz, który pozwala nagrywać dźwięk bezpośrednio z komputera, a co najlepsze? Wszyscy obecni użytkownicy Plaud Note lub NotePin otrzymają go za darmo.

NotePin S, choć niewielki, posiada przemyślane ulepszenia, które naprawdę wzbogacają jego użyteczność. W szczególności nowy dotykowy przycisk i dołączone akcesoria sprawiają, że NotePin S jest wszechstronnym narzędziem do nagrywania głosu w wysokiej jakości. Nie zapominajmy też o nowej aplikacji desktopowej - wyraźnym świadectwie zaangażowania Plaud w inteligentne, przyjazne dla użytkownika ulepszenia. Z pewnością małe zmiany mogą mieć duży wpływ.

Dowiedz się więcej o tej fascynującej technologii na stronie The Verge.

Przygotuj się na ekscytujący skok w usługach tłumaczeń językowych, ponieważ Tłumacz Google rozszerza jedną ze swoich najbardziej przełomowych funkcji - tłumaczenie mowy na żywo. Do niedawna ta funkcja tłumaczenia w czasie rzeczywistym była ekskluzywnym klejnotem Google Pixel Buds. Wszystko ma się jednak zmienić. Jeśli masz kompatybilny telefon z Androidem i zainstalowaną aplikację Tłumacz Google, możesz teraz korzystać z tej usługi za pomocą dowolnych słuchawek. Ten postęp zasadniczo demokratyzuje tę funkcję, odrywając się od wyłączności określonego sprzętu.

Ulepszona wersja - która jest obecnie wdrażana w wersji beta - nie ogranicza różnorodności, obsługując niesamowitą gamę ponad 70 języków. Oznacza to, że angażowanie się w rozmowy z osobami mówiącymi w innym języku stało się prostsze. Otwiera to możliwości dla większej liczby osób, aby doświadczyć świata z mniejszą liczbą przeszkód komunikacyjnych.

Ujawnienie inteligentniejszych tłumaczeń i prognozy na przyszłość

Ale Google ma więcej do zaoferowania; nie chodzi tylko o słowo mówione. Ulepszenia obejmują również tłumaczenie tekstu, teraz obsługiwane przez Gemini, technologię sztucznej inteligencji Google. Tłumacz Google może teraz dokładniej konwertować idiomy, slang i zniuansowane zwroty. Oznacza to, że otrzymujesz tłumaczenia, które zachowują zamierzone znaczenie, w przeciwieństwie do często zagadkowych dosłownych interpretacji. Wyobraź sobie dokładne tłumaczenie wyrażeń takich jak “stealing my thunder” na język obcy bez utraty ich podstawowego znaczenia - oto innowacja.

Celem jest uczynienie tłumaczenia bardziej naturalnym, intuicyjnym i dokładnym. Niezależnie od tego, czy poruszasz się po ulicach obcego miasta, współpracujesz z wielojęzycznymi kolegami, czy próbujesz zrozumieć film w innym języku, Tłumacz Google ma na celu ułatwienie bardziej ludzkiego doświadczenia.

Pamiętaj, że to Android First

Chociaż może to brzmieć jak muzyka dla uszu użytkowników Androida, użytkownicy Apple być może będą musieli poczekać trochę dłużej. W przeciwieństwie do implementacji Apple - wymagającej określonych AirPods i iOS 19 - strategia Google obiecuje większą wszechstronność, nie ograniczając funkcji do konkretnej marki słuchawek. Może to zapewnić użytkownikom Androida przewagę w dziedzinie globalnej komunikacji.

Ponieważ z niecierpliwością oczekujemy pełnego wdrożenia wersji beta, spodziewane są ciągłe ulepszenia i ulepszenia. Włączenie przez Google sztucznej inteligencji do swoich usług tłumaczeniowych wskazuje na przyszłość, w której język zmieni się z bariery w most. Aby uzyskać szczegółowe informacje, możesz Sprawdź oryginalną historię na The Verge. Chociaż ta funkcja jest obecnie dostępna wyłącznie na Androida, możemy mieć nadzieję na podobny przełom na innych platformach w najbliższej przyszłości.

Google’s DeepMind has recently announced a massive upgrade to their Gemini line of audio models. Designed to significantly enhance our voice experiences, these new and improved models are set to bring more natural, context-aware interactions across a multitude of applications. Imagine having more fluid and conversational dialogues not only with your virtual assistants but also when utilizing transcription services or real-time translation tools.

The advanced Gemini models are able to understand and generate speech with a greater degree of sophistication and precision, thanks to some impressive improvements. However, what truly makes Gemini stand out from the crowd is its multimodal capacity: by integrating audio with other forms of input such as text and images, it can interpret complex contexts with ease. Such a capability is especially essential in dynamic environments where understanding the tone, intent, and even the background noise is critical.

Filling the Gaps: Accessibility and Inclusion with Gemini

DeepMind takes pride in emphasizing that the Gemini models promise more than just convenience – they’re about accessibility. This means that people with disabilities stand to benefit greatly from these improved voice capabilities. Language barriers can be broken down, making the digital world a more inclusive space for everyone.

In terms of the technical side, Gemini’s superior audio performance is a result of breakthroughs in the realm of self-supervised learning and scalable training methods. Such techniques allow the models to understand and learn from extensive amounts of unlabelled audio data. Consequently, this drastically improves the Gemini’s ability to recognize and adapt to different voices, accents, and languages.

The Future of Voice Technology with Gemini

Eager to continue its evolution, DeepMind envisions a future where our interactions with AI voice technology are indistinguishable from human conversation. With the recent improvements being just the start of Gemini’s journey, we can expect further refinements and expansions to its capabilities. To learn more about these exciting developments, visit the original announcement on the DeepMind Blog.