Posts

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

Meta AI（FAIR团队）发布了 Omnilingual ASR（全语种自动语音识别系统）：一个覆盖超过 1600 种语言 的开源语音识别框架，其中包括 500 种此前从未被 AI 系统识别过的低资源语言。 这项计划的目标十分宏大： > 让任何语言都能被机器理解，让任何人都能用自己的语

一个精选的 Claude Skills 列表，用于扩展 Claude 的功能，使其能执行特定任务并整合进真实工作流。” 精选合集，包含真实世界案例（不只是演示） 什么是 Claude Skills？ Claude Skills 是一种「可编排的自定义工作流模块」，让 Clau

传统聊天式AI在教育中主要通过文本交互完成答疑，但这种方式的表现力有限，尤其在 STEM（科学、技术、工程、数学） 学科中，缺乏图形演示、公式推导与逻辑操作的支撑。 ChatTutor 的设计初衷正是弥补这一空白： > “为AI教师配备电子白板和交互工具，使其具备‘视觉教学’能力。”

StepFun AI （阶跃科技）发布 Step-Audio-EditX 语音开源模型，这是世界上第一个 LLM 级别的音频编辑模型。 它不仅能合成语音，还能编辑声音的情绪、语气、风格，让生成的语音更自然、更有表现力。 - 一个 基于大语言模型（LLM）架构 的音频模型； - 30亿参

Inworld TTS 是一款面向实时语音交互与数字角色开发的高端语音AI系统，集成： - Text-to-Speech（TTS）语音合成 - Voice Cloning（声音克隆） - 多语言与情感语音控制 - 实时流式生成（Streaming） - 非语言表达（no

notebooklm-skill 是一个为 Claude Code开发的插件（Skill），用于让 Claude Code 能直接与 Google NotebookLM 通信。 它让 Claude Code（AI 编程助手） 可以直接查你在 Google NotebookLM 上上传的文档，比如

SoulX-Podcast 是由 Soul AI Lab（Soul应用背后的AI实验室） 开发的 高保真播客生成推理框架，旨在从文本直接生成长篇、多说话人、对话式语音内容。 SoulX-Podcast ： > 实现了高真实度、长时段、多说话人、多语种（中英双语 + 多方言）播客式语音生成，

Smart ComfyUI Gallery 是一款专为 ComfyUI 用户打造的智能文件管理与可视化工具 能以优雅、快速、移动友好的方式管理你用 ComfyUI 生成的所有图片和视频，并自动关联每个文件的生成“工作流（workflow）”。 ComfyUI 用户经常遇到以下问题：