最近感覺大家對一些主流的模型更新都有點疲了。

我自己也是，我越來越想看到一些，更好玩、更有用、更豐富的AI的應用，而不只是各種參數的增強，以及普通人感知不到的高高在上的東西。

所以，今天想給大家分享一個我覺得挺好玩的東西，是Google自己的一個官方大合集，名叫：

Google labs。

老粉絲可能還記得，我之前分享過兩個AI工具，Notebooklm和Whisk，這輛其實都是從Google labs里干出來的。

Notebooklm做出了當時看來*開創(chuàng)性的AI播客，直接開啟了一整條全新的賽道，Whisk則是當時簡化了生圖的交互方式，讓角色和場景一致性保持的非常好，雖然最后被GPT4o錘爆了，但是我現在依然覺得，它是一個在當時，非常好玩的應用。

Google labs的整體調性其實一直是：

用更有趣的方式幫你學習，或者用更簡便的交互提升生產力和創(chuàng)造力，或者用具體的小需求讓AI和你的日常生活緊密結合。

現在，Google Labs里面已經有三十多個已經開放或即將開放的AI產品，在創(chuàng)新方面，交出了很不錯的答卷。

今天也給大家分享一下，其中我自己覺得很有趣的五個產品。

它們有些還不夠*，規(guī)模也不夠大，但也許能讓你看到一些，AI更有趣更多元的模樣。

那，讓我們開始。

1. National Gallery Mixtape

這可能是整個Google labs里，最有創(chuàng)新精神的工具之一。

作用很簡單，給它一幅畫，它會自動根據這幅畫，生成一段配樂，同時給出配樂的樂器種類和風格。

添加畫作，就可以自動生成音樂。

你可以基于這個畫作上，添加音樂，diy新的音樂。

我也跑了幾個case。

首先是梵高的向日葵，鮮艷明快的畫作背后，音樂卻是以憂傷舒緩的大提琴為主。

在畫面和音樂的交錯之下，你似乎更能看到燦爛的向日葵背后，梵高充滿苦難的靈魂。

非常符合當時梵高的心境。

然后是這幅畫。

這是一個很有戲劇張力的畫面，來源于圣經：一個巴比倫國王不知天高地厚搶了耶路撒冷的圣器用來宴請賓客，玩得正開心呢，上帝來抓他了，還用希伯來文寫了一行字警告他，國王看到上帝寫的字，嚇得宴會也不開了，慌忙逃竄，結果還是沒多久就死掉了。

配合這個故事，音樂的風格就充滿了緊張感，還有些錯拍和混亂，告訴你：這國王內心已經徹底慌麻痹了。

遇到這種清新明快的風景畫，它就會生成悠揚的鄉(xiāng)村音樂。

最后還有這個。

當我看到這幅畫的時候，直接笑噴了。畫家是和模特多大仇啊？

配樂就做了那種很詼諧的風格，讓我聯想到一群歡快跳舞的小哥布林。

不過就是還有很多提升空間，比如只支持內容庫里的畫作，不能自己導入文件，但是完成度已經很高了。

比起厚重的藝術史書本，這種用音樂來理解畫作的方式，更直觀，也有意思的多。

2. Learn about

Learn about這是一個AI輔助學習知識的工具。

不同于傳統搜索引擎的東一榔頭西一哨子，Learn about會幫助你用結構化的方法去學習一個新知識。

拿Agent這個知識點舉例。

結構化的*步，是總結知識框架。

左邊的The Big Picture就是它為你總結的知識框架，包含定義、目的、特征等等，右邊就是具體的知識內容。

可以先看左邊，獲得一個整體認知，再去右邊詳細學習。

結構化第二步，卡片式筆記。

具體的知識內容包含圖文形式的介紹，相關內容探索，每個卡片都可以點進去單獨學習，確保沒有知識遺漏。

結構化第三步，知識沉淀。

全都講完之后，它會給你三個選項。簡化相當于用初中生能聽懂的方式給你概括總結，深入了解相當于用大學生的標準給你深入講解，獲取圖像就是幫你把知識搜索一下，找到匹配的可視化成思維導圖、結構圖。

用這個方法幫你更好地深入和總結。

中間還有一些非常好玩的互動式學習手法，比如你學著學著，他會讓你，停下來思考一下。

你想一想，想完了之后，點擊顯示，來印證一下你想的和答案是不是匹配的。

結構化最后一步，考試。

一切結束之后，就來到了自我檢測環(huán)節(jié)，Learn about提出問題，你來回答，它給你評估。

還不是那種一般的選擇題，是真的那種，讓你好好答題的。。。

在你答完以后，還會給你非常詳細的建議。

這才是AI時代的學習方法好吧。

這一套組合拳下來，一個知識點很容易就吃透了。

3. Little Language Lessons

這是一個語言學習工具，我覺得在實用性上，可能已經超過了多鄰國。

畢竟多鄰國上經常要學很多你根本用不到的東西。

我用多鄰國學語言時，印象特別深刻的一個例句是，“我沒法洗澡，因為有一頭奶牛在我的浴室里”。

不是，到底是誰能用得上這樣的表達。。。

而Little Language Lessons的實用性，就強多了。

它主要有三個功能：

*，針對特定話題給出需要用到的詞匯；第二，學習地道的本地人對話；第三，拍攝身邊的物品，了解如何用外語描述它們。

比如我現在想學粵語。

點開Tiny lesson。

它會給到你需要的詞匯，短語，還有注意事項，你看完直接就可以跟司機溝通。

真的，常用語都有。

Slang hang則是給你不同的對話場景，讓你理解當地地道俚語。

用詞和發(fā)音都還挺標準的，雖然腔調有點怪，但是對于初學者來說，已經很夠用了。

Word Cam也是我覺得非常實用的一個功能，想不起來的詞就拍照讓AI給你答案，下一秒就能用到。

多鄰國，好好學學。

4. Stitch

也不知道為什么，這個名字總讓我感覺它在蹭Sketch。。

Sketch，最著名的UI設計工具之一，也是我曾經做UI設計的時候，吃飯的家伙。

Stitch是Google labs上個月推出的設計工具，前身是UI設計工具Galileo AI。

它支持兩種模式。

標準模式，支持用自然語言生成生成UI界面。

比如我隨口說一句，生成一個點外賣的APP。

他會跟DeepResaerch一樣，問你幾個需要你確認的問題，大概一兩分鐘，5個頁面就生成完了。

可以在頁面上用嘴直接編輯，也可以將畫板導入figma，用figma畫布編輯。

而實驗模式，支持圖片參考生成UI界面，你隨手畫一張圖給它，它也能生成一個你想要的界面。

就像google labs的負責人之前在訪談里說的一樣，chatbot是AI*的交互形態(tài)嗎？未必。

未來，更直觀的交互形態(tài)很可能是，直接給AI一張圖像，或者一個文件，讓它去執(zhí)行操作。

5. Portraits

一個非常有意思的職場類工具。

這是google labs這個月整出來的新活兒，用真人職場大佬訓練出來一個虛擬人專家，專門為你解決職場難題。

原型人物，就是這個戴眼鏡的金發(fā)女人，kim scott，Google和蘋果的前高管。

主要的數據庫，來自她之前寫過的兩本暢銷書《徹底坦率：一種有溫度而真誠的領導》（radical candor）、《徹底尊重：如何更好地合作》（radical respect），還有她的公開演講。

進去以后，

你就可以開始和她聊天了。

可以說話，可以打字，也可以按照給定的選擇來和她對話。

常見的職場問題，像如何避免被甩鍋、有分歧怎么溝通、怎么談績效、想跳槽怎么跟領導說，都在她的射程范圍內。

她會先給你講一套理論，然后再和你角色扮演，在實地演習中告訴你該怎么做，最后還會幫你回顧整個流程，加深記憶。

不過呢，她不是什么都跟你聊，比如專業(yè)的醫(yī)療或者法律問題，她就會建議你去咨詢專家。而如果你想和她閑聊，她也會把話題扯回工作上，拒絕摸魚。

溝通下來的整體感受，就像跟一個雷厲風行的職場老炮取經，她給到的建議雖然不是*解，但也能多一個維度的參考。

我覺得這個工具達到了一個平衡：去看kim scott的書，我可能看不下去，也沒法看完直接演練。去和AI對話，我又擔心它不靠譜?，F在這樣一個Gemini大模型驅動+真人數據訓練的賽博導師，就正正好好。

現在這個portraits上還只有kim scott一個人，但google已經在搞別的AI虛擬人了，預計未來可能推出瑞達利歐跟你聊金融，再往后看，跟愛因斯坦聊物理，跟馬斯克聊火星也不是沒有可能。

未來的生態(tài)還是很有意思的。

寫在最后

Google labs的網址在此，記得打開魔法，確保你的環(huán)境能夠使用。

https://labs.google/

最后，聊聊Google labs本身。

這個項目是從2002年開始運營的。

當時谷歌還年輕，熱衷創(chuàng)新，一身使不完的牛勁。

為了激發(fā)更多靈感，谷歌出了這么一個策略：所有員工都可以把他們工作中20%的時間投入到非官方的創(chuàng)意項目中，也就是一周里足足有一天時間來搞創(chuàng)新。

在這樣的背景下，很多好用的產品誕生了，包括Google shopping、Google map、gmail、Google scholar......很多Google的重要功能，都脫胎于彼時的Google labs。

當時的Google labs是一個大廣場，用戶可以直接和產品互動并提出反饋，產品快速發(fā)布，又在用戶的意見下快速迭代，這樣開放包容的光景持續(xù)了九年。

直到2011年。

這時的谷歌已經成了一個有著數以萬計員工的巨型跨國公司，把注意力聚焦在核心業(yè)務上成了首要任務。而當初定下的創(chuàng)新策略，已經不再適合谷歌的發(fā)展需求。因此，在這一年，Google labs項目被關停。

做匠人，和追時代，很多時候是兩難的。

不過在這之后的十年里，Google內部的創(chuàng)新之火并沒有完全熄滅，Google X和Area120項目，都是Google在創(chuàng)新和聚焦之間跌跌撞撞尋找平衡的嘗試。

再往后，AI時代來了。

得益于AI帶來的生產力提升和模型能力提升，探索創(chuàng)新項目的效率提高了。谷歌順應潮流，整合了很多實驗性業(yè)務，納入Google labs。

于是就有了Google labs的這次重出江湖。

Google labs這次回歸，在產品構建上，有幾個有趣的點。

*是start small。

Google labs的產品，以10000周活躍用戶為*目標。

在Google這么大的規(guī)模下，這個目標可以說是非常非常微小了。

但這樣的好處是輕量化，也更容易找到有針對性的用戶需求。

第二是快速迭代。

有點子就做，有時候可能連PRD還沒做好，工程師已經上去開始干活了。

用50到100天，就能把創(chuàng)意落地并交付給用戶。

第三是站在未來的角度去做產品。

從更智能、成本更低、速度更快的角度去思考，如何做創(chuàng)新。

思考未來五年、十年后AI融入人類生活的方式。

可能是因為這三點，讓Google labs在Google這樣的超級大廠里，還能夠保持活力。

在紛繁變化的AI時代。

創(chuàng)新。

才是*生產力。