华为秋季全场景新品发布会召开,随着华为Mate 60系列手机、华为MatePad Pro 13.2''平板等新品的正式发布,鸿蒙生态又迎来了新一轮的全网热议。随着搭载HarmonyOS 4的设备越来越多,用户们都非常期待这次华为新品的发布,将带来哪些互联互通体验。
华为Mate 60系列打印伴侣,一碰打印,所拍即所印
一直以来家用打印机这个品类其实都是使用体验的重灾区,传统打印机往往需要经过配网、下载专用App等方式使用,学习成本很高。但是在HarmonyOS 4的加持下,华为打印机则彻底颠覆了以往的使用体验,真正做到一碰即打,即便老人小孩也非常容易上手。HarmonyOS 4带来了全新的实况窗功能,让用户可以在手机和平板端实时了解打印机进度。
想要使用华为Mate 60系列手机进行打印操作,只需在手机上打开图片、网页或者文档,轻轻一碰华为打印机 Huawei Share 感应区,即可进行打印,极简流程,丝滑体验。如果赶上家长上班、外出时,家中老人小孩有打印需求,家长可以通过华为智慧生活APP,实现远程云打印,不在家也能远程打印。
当辅导老师、客人或者孩子老人,要使用自己的手机、平板设备连接华为打印机进行打印时,只需通过智慧生活APP将打印机分享出去,其他人即可获取打印机使用权限,这一操作无需重复配网,就能进行打印。可以说HarmonyOS 4加持下,华为打印机成为了华为Mate 60系列手机的办公、家用新伴侣,让家用打印机真正成为智能家居中的重要一环。
超级打印捕捉灵感,手写字迹一键擦除
除了大火的华为Mate 60系列,华为秋季全场景新品发布会上发布的最新款华为MatePad Pro 13.2''也非常引人注目。
平板电脑一直以来在孩子学习、绘画、娱乐场景中扮演着重要角色。很多父母喜欢把孩子在华为平板绘制的图画打印下来,这时候可以在华为MatePad Pro13.2''上进入超级终端界面,一拉一拽两个悬浮球,实现平板和打印机连接,启动超级打印模式,不需要走到打印机跟前便能进行快速打印,大幅简化打印步骤,高效释放孩子的创造力。
此外针对学习场景,华为打印机还提供了神奇的“字迹擦除”功能。当孩子需要反复练习原有试卷时,家长无需再手抄题目或重新找试卷打印,只需通过华为平板中智慧生活App,一键开启“字迹擦除”功能,使用AI技术识别试卷中手写内容,对字迹、书写痕迹加以消除,还原一张空白的试卷,智慧学习实现起来就是这样简单。
笔记本跨设备打印照片文档,多端协同智慧生活
华为Mate 60系列手机和华为MatePad Pro平板与华为打印机进行互联,可以简单实现老人小孩的零学习成本使用,在华为全家桶之间或“争气三件套”中能不能实现所有设备统一管理和打印?
答案是肯定的,当你的手机或平板不在手边,只用在华为MateBook笔记本上打开智慧搜索功能,就能快速、准确地找到存储在手机、平板中的照片或文档。存在手机中的爸爸妈妈旅行照片,平板中孩子的画作,自己工作保存的文档,都能精准查找到,进行快速打印。
从初代鸿蒙的发布,到华为在智能设备领域的不断拓宽,再到华为“争气三件套”的火爆全网,哪怕仅仅是一台打印机,华为都真正融入众多智慧特性,做到了用智慧将美好照进现实。这台同样脱胎于华为终端协同、互联互通的理想打印机,带来了家用打印机的新体验,让打印不再受限于设备连接,不再受限于距离,甚至不需要学习成本,真正意义上做到了好用、耐用、实用,变成了家庭生活中必不可少的智能伙伴,成为“Mate”的最佳打印伴侣。
好文章,需要你的鼓励
存储扩展专家Lucidity将其AutoScaler平台扩展至Kubernetes容器编排平台,帮助企业控制存储支出。该公司表示,Kubernetes中的持久卷常常成为隐形浪费源,虽然Kubernetes可自动扩展实例数量,但底层存储通常未被充分利用。新服务可为亚马逊EKS提供持久卷的自动扩缩容,声称可为客户节省高达70%的云块存储费用。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
超过1.8万Spotify用户加入名为"Unwrapped"的集体组织,通过去中心化数据平台Vana将个人听歌数据打包出售给AI开发者。该组织已将1万用户的艺术家偏好数据以5.5万美元价格售出,用于构建新型流媒体数据分析工具。Spotify对此发出警告,称该行为违反开发者政策和商标权,禁止将平台数据用于机器学习模型构建。但Unwrapped团队坚持用户拥有控制和变现个人数据的权利,双方就数据所有权展开争议。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。