AIニュース

EchoMimicV3是蚂蚁集团推出的高效多模态、多任务数字人视频生成框架。框架拥有13亿参数，基于任务混合和模态混合范式，结合新颖的训练与推理策略，实现快速、...

SpatialGen 是群核科技开源的 3D 场景生成模型。模型基于扩散模型架构，支持根据文字描述、参考图像和 3D 空间布局，生成时空一致的多视角图像，且能进一步得...

SpatialLM 1.5 是群核科技推出的强大的空间语言模型。模型基于大语言模型训练，能理解自然语言指令，输出包含空间结构、物体关系和物理参数的空间语言。用户...

WhisperLiveKit 是开源的实时语音识别工具，能将语音实时转录为文字，支持说话人识别。工具基于先进的技术如 SimulStreaming 和 WhisperStreaming，提供超低...

Wan2.2-S2V 是开源的多模态视频生成模型，仅需一张静态图片和一段音频，能生成电影级数字人视频，视频时长可达分钟级，且支持多种图片类型和画幅。

Gemini 2.5 Flash Image（代号nano banana）是谷歌推出的AI图像生成与编辑模型。模型能保持角色在不同场景中的一致性，支持通过自然语言进行精准图像编辑，如...

Youtu-agent 是腾讯优图实验室推出的开源智能体框架，用在构建、运行和评估自主智能体。框架基于开源模型DeepSeek-V3实现领先性能，支持多种模型 API 和工具...

MiniCPM-V 4.5是面壁智能推出的端侧多模态模型，拥有8B参数。模型在图片、视频、OCR等多个领域表现卓越，尤其在高刷视频理解方面取得突破，能处理高刷新率视...

Waver 1.0 是字节跳动推出的新一代视频生成模型，基于修正流 Transformer 架构，支持文本到视频（T2V）、图像到视频（I2V）和文本到图像（T2I）生成，可在单...

PixVerse V5是爱诗科技推出的自研AI视频生成大模型，已在全球同步上线。PixVerse V5版本在动态效果、视觉质量、一致性保持和指令遵循等方面进行全面升级，能...

FramePackLoop 是基于 FramePack 推出的无限循环视频生成工具。工具通过创建主视频和连接视频，将视频组合成循环视频，适用视频背景、图标等场景。

问小白5是问小白推出的“All in One”旗舰大模型，是国产大模型中智能水平最高的。模型在多项评测中表现优异，如AA-Index综合评估指标得分64.7分，STEM能力评测...

Grok Code Fast 1 是 xAI 推出的 AI 编程模型，专为快速高效的基础代码任务设计。模型每秒可处理92个标记，拥有256k的上下文窗口，适合快速原型开发、代码调...

HunyuanVideo-Foley是腾讯混元团队开源的端到端视频音效生成模型。模型能根据输入的视频和文字描述，生成与视频画面精准匹配的高质量音效，解决现有AI视频生...

gpt-realtime 是 OpenAI 最新推出的先进语音模型，专为实际任务设计。模型能生成高质量、自然的语音，支持多种语言和语音风格，能理解非语言线索并根据场景调...

OmniHuman-1.5 字节推出的先进的AI模型，能从单张图片和语音轨道生成富有表现力的数字人动画。模型基于双重系统认知理论，融合多模态大语言模型和扩散变换器...

Meeseeks 是美团 M17 团队开源的大模型评测集，用在评估模型的指令遵循能力。Meeseeks通过三级评测框架，从宏观到微观全面衡量模型是否能严格按照用户指令生...

MAI-Voice-1 是微软人工智能团队推出的首个具有高度表现力和自然的语音生成模型。模型能在单个 GPU 上不到一秒钟内生成一分钟的音频，是目前最高效的语音系统...