资讯

Youtu-Agent是一个面向实际应用的开源框架，覆盖文件管理、数据分析、学术研究和信息综述等多个应用场景。该框架以极简设计和高性能表现为核心，旨在为研究人员和开发者提供高效、易用、可复现的智能体开...

VibePPT是一款AI驱动的在线智能PPT生成平台，支持通过自然语言 Prompt 一键生成结构完整、视觉专业的演示文稿，内置多种商务、教育、科技、营销等主题模板，自动匹配配色与排版，并可智能配图...

VeOmni 是字节跳动（ByteDance）开发的一个全模态深度学习框架，旨在支持多模态数据融合的场景，特别是在计算机视觉和自然语言处理（NLP）领域。全模态指的是能够处理多种类型的数据，例如文本...

达摩院将MCP（模型上下文协议）理念引入具身智能，首次提出并开源RCP（Robotics Context Protocol）协议，推出一套完整的机器人服务协议和框架RynnRCP。旨在推动具身智能开发...

KittenTTS是一款开源的轻量级文本转语音（TTS）模型，是发布的新款开源文本转语音模型 ——Kitten TTS。这一模型的设计目标是实现高质量的语音合成，同时保持轻量级和高效能，适合在各种设备...

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...

很多人想体验 GPT Plus，却一直舍不得开会员。现在机会来了！ 官方放福利：GPT Plus 和 Business 会员限时免费试用一个月！ Plus：更快更强，写论文、写代码效率直接翻倍。 Bu...

一、专业科技媒体与AI垂直平台（权威深度） 这类渠道聚焦AI领域，内容经过编辑筛选，适合系统性了解行业动态、技术突破和商业应用。 国际平台： TechCrunch / VentureBeat：综合科技...

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...

WhisperLiveKit是一款本地部署的AI会议工具，能够实现语音实时转录并识别不同说话人，解决了传统语音转写工具的非实时性、隐私风险和说话人混淆问题。支持实时语音转文字和说话人识别功能，适用于会...