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...
排序
DeepSeek-OCR – DeepSeek团队开源的视觉语言模型，实现7-20倍的压缩比。
DeepSeek 开源了新模型 OCR 。支持对任意图像进行自由式文字识别，能够快速提取图片中的全部文本信息，不依赖版面结构。能够自动识别并重建文档中的排版结构，包括段落、标题、页眉页脚等，实现“结构...
Manus 1.5 – Manus最新AI Agent版本，速度提升近四倍，支持Web全栈开发
Manus 今日宣布推出全新的 Manus 1.5，这是该公司迄今功能最强的 AI 智能体，在任务执行速度、可靠性与输出质量方面均实现显著提升。Manus 1.5 建立在重新架构的引擎之上，使一切变得...
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...
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...
Netflix官网入口（奈飞/网飞网页版网址）
Netflix（奈飞/网飞）是美国的一个影视资源平台，在Netflix平台上，用户可通过该链接注册账户、管理订阅，并在多设备上流畅观看含中文字幕的海量影视内容。我们可以观看来自于全世界的优秀电影、电视...
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...
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...
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...
Coral NPU – 谷歌推出的全栈开源AI平台，高效执行机器学习（ML）模型的推理任务
谷歌正式推出 Coral NPU，一个面向边缘人工智能（Edge AI）的开源全栈平台。旨在解决性能、碎片化和隐私这三大核心挑战，而这些挑战限制了功能强大、始终在线的 AI 技术在低功耗边缘设备和可穿...