​Suno v6 正式上线：图片、视频、语音备忘录一键变音乐，精准编辑歌曲成现实

v6最大亮点之一是支持多模态创作。用户不再局限于文字提示，可直接上传图片、视频或语音备忘录（voice memo），系统就能将其转化为音乐。例如，基于一张图片的氛围、一段视频的情绪，或一段语音备忘录中的哼唱与描述，即可生成对应风格的歌曲。

同时，创作者可对已生成的歌曲进行精准局部修改，无需重新生成整首作品:

此外，模型对音乐语言的理解显著提升，能更好地把握人声、乐器、结构、情绪、参考风格与整体氛围，让复杂创意更容易落地。

Suno 强调，v6是从零开始训练的新一代模型，使用了来自合作伙伴的授权数据以及用户数据，并融入了团队此前积累的技术与偏好学习成果。平台仍禁止直接提示生成特定知名艺术家或歌曲的仿作。官方还透露，未来将探索让艺术家自愿参与的 AI 混音等新体验，并为权利方创造新的收益机会。

目前，Suno v6已开始全球推送。创作者可在平台直接体验三大模型，用更少时间实现从灵感到成品的完整闭环。AIbase 将持续关注后续更新与用户反馈。

DeepSeek V4.1 Flash多模态超Pro；Suno v6支持图/视频/语音转音乐与精准编辑；AMD PRO 495将推超20款迷你主机；Prime Video上线AI口型同步；原神声音被仿冒获赔75万；OpenAI调整ChatGPT广告屏蔽竞品并开放GPT-5.6/6语音；Kimi联合金山云等进军企业市场。

豆包输入法Windows版V0.9.0发布，适配Win10/11，实现Windows、macOS、iOS、Android、鸿蒙全平台覆盖。语音优先，长按右Alt唤起，支持多方言、中英混输、术语识别，弱网无网可用。键盘输入基于大模型语义联想、长句补全、随打随纠；支持云同步词库、跨设备粘贴；无广告，内存占用合理，可自定义设置。

网易有道上线免费AI语音Agent“网易呏哥说”，支持Mac/Windows。语音输入效率达键盘5倍，热词识别率超99%，支持124语种互译。其自研ASR可过滤口语冗余，输出直接可用的结构化文本，云端零留存护隐私。该产品补齐“表达输入”场景，推动语音输入向理解意图、连接Agent执行延伸。

本期AI日报：OpenAI上线GPT-Live-1 API，支持打断与工具调用；DeepSeek V4.1-Flash登陆WorkBuddy免费试用；谷歌推出Gemini Windows应用；蚂蚁集团称智能体商业“ChatGPT时刻”已至；环球音乐联手ElevenLabs共建正版AI音乐平台；SpaceX AI直播用Grok Bot三天建公司；商汤“小浣熊”移动端上线；支付宝升级AI钱包与三大“AI收”能力。

阿里云今日宣布AI视频生成模型Wan3.0正式版上线。该模型于8月6日开启公测，主打稳定、真实、有质感，在视频时长、输入格式和画面一致性上实现了大幅升级。核心能力方面，Wan3.0支持单次原生生成最长30秒连续视频，能够完成完整叙事和复杂运镜镜头。 输入方式上，Wan3.0在行业内首次支持doc、xls、ppt、pdf、md等文档文件直接输入生成视频，同时兼容图文音视频等多类参考素�

天猫上线AI空间站整合阿里云等；谷歌Gemini 3.8 Flash发布但复杂任务不稳；百度基础模型部引北美专家升级文心；谷歌推Google Pics对标Canva；豆包上线多Agents与Mac操控；月之暗面递表港交所估值冲500亿美元；腾讯公益版WorkBuddy发布；Anthropic新模型Fable5.1编码强且最高降本45%。

小米智能摄像机视频通话版2今日开售，定价499元，较众筹429元略贵。产品适合老人儿童，机身按键可一键视频通话，新增360°水平云台，配3.97英寸屏和大按键，操作更友好。支持微信、米家App及设备间通话，三种呼叫方式；双麦降噪扬声器提升清晰度。画质升级800万像素4K，带红外夜视，1.5T算力增强AI识别，并支持澎湃智联及天气、闹钟信息显示。