MAI-Voice-1 – 微软推出的极速语音生成模型，生成高度自然和富有表现力的语音
微软人工智能部门正式推出其首批两款自研 AI 模型 ——MAI-Voice-1 语音模型与 MAI-1-preview 通用模型。MAI-Voice-1是一个语音模型，能够在不到一秒的时间内生成一分种...
排序
MobileCLIP2 – 苹果开源的端侧多模态模型，提高模型对不同模态数据的适应性
苹果公司的研究人员最近推出了 MobileCLIP2，该模型在GitHub和Hugging Face上进行了开源，提供了预训练权重和数据生成代码，以供开发者使用。MobileCLIP2通过改进多模态增...
阶跃星辰推出的端到端语音大模型 – Step-Audio 2 mini，能精准理解各种音频内容
近日，阶跃星辰正式推出了最新的开源端到端语音大模型 ——Step-Audio2mini。采用了真正的端到端多模态架构，并将语音理解、音频推理与生成统一建模，不仅时延更低、输出更快，还能更加精准地理解副...
AudioStory – 腾讯ARC推出的音频生成模型，自动分析视频内容并生成匹配的背景音轨
腾讯ARC实验室刚刚发布的AudioStory技术，核心在于其统一的理解与生成框架。该模型能够处理视频配音、音频延续和长篇叙事音频合成等多种任务。通过将大语言模型与音频生成系统结合，AudioStor...
Open-Fiesta – 开源的AI聊天平台，支持键盘提交和流式 API
Open-Fiesta 是一个开源的多模型AI聊天平台，它支持多种AI提供商和模型，如Gemini、DeepSeek R1等，让你可以轻松切换和比较不同模型的输出。此外，它还提供了网络搜索和图片附件功...
腾讯混元开源的翻译模型 –Hunyuan-MT-7B，支持33个语种及5种民汉语言
腾讯混元正式开源 Hunyuan-MT-7B ，这是一个轻量且能力全面的多语言翻译大模型，该模型推理速度较快，在相同硬件条件下能够处理更多请求，响应也更为及时。 Hunyuan-MT-7B 是腾讯混元...
Teable – AI数据管理平台，支持私有部署和精细权限管理
在当今数据驱动的商业环境中，高效的在线表格与数据管理平台已成为企业运营不可或缺的工具。Teable 是一款企业级高性能多维表格解决方案，通过无代码方式快速构建业务管理系统，支持私有部署和精细权限管理...
AgentScope 1.0 – 阿里通义开源的多Agent开发框架，提供实时监控和智能体评测功能
AgentScope是阿里通义团队发布并开源的智能体开发框架，旨在赋予开发人员使用大模型轻松构建多智能体应用的能力。AgentScope 1.0 是一款以开发者为核心，集成了多个内置智能体专注于多智能...
最新推出的语音模型一GPT-realtime，支持多种语言和语音风格
GPT-realtime是一个专用于语音AI Agent的多模态模型，能够生成更加自然流畅的语音，完美模仿人类丰富多样的语调、情感以及语速，支持图像理解并将其与语音或文本对话相结合使用，而且这个模型是...
深度赋能，化繁为简：用deepfig工作流自动化重塑企业运营效率
deepfig是什么？ deepfig是一款强大的智能流程自动化（IPA）平台。它的核心使命是打破企业内部的“数据孤岛”和“系统壁垒”，通过无需代码的可视化方式，将那些原本需要人工在不同软件、平台之间...