清华联合巨人网络开源的多方言语音合成大模型框架DiaMoE-TTS
巨人网络AI Lab与清华大学电子工程系SAT Lab的研究团队联合首创多方言语音合成大模型框架DiaMoE-TTS，并宣布将数据、代码、方法全方位开源，旨在推动方言语音合成的公平与普惠。该框架基于国...
排序
Veo 3.1 – 谷歌推出的AI视频生成模型，能快速生成高质量的视频
谷歌正式发布最新一代AI视频生成模型 Veo 3.1，该模型支持生成4秒、6秒或8秒的720P或1080P视频片段并自带音轨，可通过文本提示、图像或视频片段输入生成内容，提供首尾帧插值、场景延展及多图...
Local-NotebookLM – 开源PDF转播客AI工具，支持多种音频输出格式
Local-NotebookLM是一款开源的AI工具，能够将PDF文档转换为多种风格和格式的音频内容，如播客、访谈、辩论等。它支持自定义音频长度和风格，具备智能PDF解析、多语言支持、灵活模型选择和逼...
ZenMux – 全球首个企业级 AI 模型聚合平台
最近发现超实用的AI平台——ZenMux，全球首个企业级 AI 模型聚合平台。集成GPT-5、Claude、Gemini、Kimi、DeepSeek、Qwen等全球顶级大模型，为开发者提供统一的 AP...
FS-DFM – 苹果联合俄亥俄州立大学推出的扩散语言模型，速度提升128倍
苹果提出 FS-DFM 扩散模型，仅需 8 轮快速迭代，即可生成与传统模型上千轮迭代质量相媲美的文本，且写入速度比同类模型最多可提高 128 倍。FS-DFM 在扩散模型的基础上进行了进一步简化，目标...
微软推出的首款自研图像生成式AI模型–MAI-Image-1 ，能处理复杂的图像生成任务
微软正式发布了其首款自主研发的图像生成 AI 模型 ——MAI-Image-1。这一创新模型不仅在生成逼真图像方面表现优异，还能模拟自然光照效果，为用户带来更为生动的视觉体验。该模型在保证生成质量的同...
腾讯AI Lab推出的全长度歌曲生成模型–SongBloom ，仅需 10 秒音频样本和对应歌词
SongBloom 是一个由腾讯 AI Lab 联合顶尖高校研发的开源歌曲生成模型。它采用自回归扩散模型，将扩散模型的高保真度与语言模型的可扩展性相结合，能够快速生成完整歌曲，支持双通道、48kHz ...
Get Jobs – 开源的AI简历投递工具，自动化多平台投递简历
Get Jobs 是一款一键自动化投递Boss/猎聘等岗位的神器，支持AI生成JD匹配招呼语+秒发简历，智能过滤无效职位。就是用自动化脚本 + AI 匹配帮你把简历一键海投到 Boss 直聘、前程无忧...
SAIL-VL2 – 字节抖音联合国立大学开源的视觉语言模型，突破传统密集型模型的限制
抖音SAIL团队与LV-NUS Lab联合推出的多模态大模型SAIL-VL2。它能高效地将视觉输入对齐到语言模型的表示空间。整个系统由三个核心部分组成：视觉编码器SAIL-ViT、视觉-语言适配器和大...
Hitem3D – AI 3D模型生成工具，一键生成高精度三维模型
Hitem3D AI是一款由人工智能驱动的下一代3D模型生成平台，支持用户上传图片后，一键生成高精度三维模型。这一技术突破让复杂模型从原需数日建模压缩到3分钟，并且可输出多种生产所需格式。 Hitem...