Posts

Live Avatar 是由 阿里巴巴集团、 中国科学技术大学、北邮、浙江大学 联合开发的研究项目。 > “让AI虚拟人真正做到——实时思考、实时回应、永不中断地表达。” Live Avatar 的目标是构建一个可实时交互、可无限延展的“语音驱动虚拟人生成系统”（Audio-Driven

微软推出 VibeVoice-Realtime-0.5B 实时文本转语音模型属于 VibeVoice 系列的轻量化分支。 其核心目标是实现 低延迟、高自然度的流式语音生成，可在文本输入尚未完成时生成首段可听语音。 模型参数规模约 0.5B（5亿），以实时推理为核心优化目标，适用于研究级实时T

DeepSeek-Math-V2 是一个能“自己检查自己是否算对”的数学推理大模型。 以往的数学大模型（比如 ChatGPT、Gemini、Claude）可以解题，但常常： - 过程不严谨； - 中间步骤错误； - 虽然“答案对”，但“推理错”。 DeepSee

👉 Paper2Video 是一个让 AI 自动把“学术论文”变成“演讲视频”的系统。 它能自动生成类似会议上作者讲论文的视频展示： 你只需要提供： - 论文（LaTeX 格式） - 一张作者照片 - 一段语音样本 然后系统会自动： > 生成 PPT + 字幕 + 语音

阿里巴巴 通义实验）发布了一款名为Z-Image（造相）的高效图像生成基础模型。 - 模型参数：6B（60亿） - 显存占用：16GB以下即可运行 - 生成速度：8步采样即可出图 - 支持设备：消费级显卡即可流畅运行 它是通义家族中首个完全开源、支持中英文双语、性能接近

Black Forest Labs（简称 BFL）推出其全新的 AI 图像生成模型：FLUX.2。定位为“前沿视觉智能系统（Frontier Visual Intelligence）”。 其核心目标是将图像生成模型从“展示级”工具，提升为“生产级”视觉基础设施。 为什么它被称为“前沿视觉智能

一款基于 🍌Nano Banana Pro 与 Gemini 3 的一站式 AI 小红书图文生成器 slogan：“一句话一张图片，生成整套小红书内容” RedInk 的核心目标是让用户仅通过一句自然语言描述（如“秋季显白美甲”），即可自动生成一整套 风格统一、排版清晰、可直接发布的小

Meta AI 发布 SAM 3D 个用于从单张图像中恢复真实世界三维结构的系统性框架。 此次发布包含两项核心模型： 1. SAM 3D Objects：从单张图片中重建物体的3D形状、纹理和布局 2. SAM 3D Body：从单张图片中恢复人体的完整三维姿态与体型 该模型能够从单

MiroMind 团队推出了一款全新的开源智能体模型——MiroThinker v1.0。 它的最大创新是提出了一个新概念： “深度交互 Scaling（Interactive Scaling）” ——让 AI 不只是“大”，而是能“更聪明地行动和思考”。 这个概念突破了传统“模型规模越

Cambrian-S 是由 Meta、NYU、Google Brain 与斯坦福学者（包括 Yann LeCun、Li Fei-Fei、Saining Xie 等）联合推出的最新多模态模型， 目标是推动 视频理解进入“空间超感知（Spatial Supersensing）”时代。 这套模型不仅能