imagine v0.9 是由 xai 团队开发的全新一代视频生成模型。该模型能够在20秒内快速生成约6秒的高质量视频，具备精准的运动控制、动态镜头变换以及自然语音对话合成等先进功能。支持语音交互、动...

上海交通大学的研究团队推出了一种名为 SceneGen 的新颖框架，在这一领域取得了突破性进展。它以一张场景图像和图中物体的分割掩码作为输入，能够在一次前向传播中，同时生成场景内多个3D资产的几何、纹...

Agent Kit 是 OpenAI 推出的一个基于 Agent 的工作流编排工具，旨在帮助你将智能体从原型阶段推进至生产阶段。它涵盖了你构建、部署和优化智能体工作流所需的全部功能，能大幅减少流程中的...

随着大语言模型（LLM）的快速发展，语音语言模型在语音理解、生成和编辑等方面取得了显著进展。Ming-UniAudio 是蚂蚁集团开源的一个创新语音处理项目，这是一个基于统一连续分词器的语音大模型，能...

OpenAI推出的新一代视频生成模型Sora 2，首次实现了音频与画面的智能同步生成。新模型通过多模态融合算法，能够理解视频内容的情绪基调、场景特征和动作节奏，并据此生成匹配的背景音乐、环境音效甚至人...

中国科学院香港创新研究院人工智能与机器人创新中心（CAIR）在香港正式开源发布其最新科研成果——EchoCare“聆音”超声基座大模型（简称“聆音”），通过超过450余万张大规模多器官、多中心、多地区...

火山引擎宣布正式推出豆包大模型 1.6-vision，以工具调用的差异化能力，将图像融入其思维链中，实现对图片的定位、剪裁、点选、画线、缩放、旋转等精细处理。在增强推理可解释性的同时，可高效精准地完成...

蚂蚁集团重磅推出万亿参数思考模型Ring-1T，并全面开源模型权重、训练配方。Ring-1T不仅在数学竞赛上刷新开源SOTA，还在逻辑推理和医疗问答中脱颖而出。 并结合人类反馈强化学习（RLHF）提升...

Anthropic 公司推出了一款名为 Claude Sonnet 4.5 的新一代前沿模型，该模型在编码、计算机操作及满足实际业务需求方面能力更强，同时在网络安全、金融、科研等专业领域表现突出。 C...

Lynx是字节跳动推出的高保真个性化视频生成模型，仅需输入一张人像照片，即可生成身份高度一致的动态视频。该模型通过单张人物图像即可生成身份一致、动作自然、场景多样的动态视频，在身份保真度、动作连贯性...