FairyGen：大湾区大学AI框架，从单张草图生成风格一致、叙事连贯的动画故事视频
💡 站外导读：随着AIGC技术的爆发，内容创作者面临一个核心痛点：如何高效地将静态创意转化为动态、连贯且风格统一的动画视频？传统动画制作流程繁琐、成本高昂，而现有AI视频…
OmniGen2开源多模态生成模型：文本生图、图像编辑全能，智源研究院引领AIGC新范式
💡 站外导读：在AIGC浪潮席卷全球的当下，多模态生成模型正从单一文生图向更复杂的图像编辑与上下文理解演进。然而，开源社区缺乏一个既能高质量生成图像，又能精准执行复杂编辑…
阿里通义Qwen-TTS语音合成模型发布：支持中英文、方言与流式输出，助力智能交互新时代
💡 站外导读：随着AI技术快速发展，语音合成正成为智能交互的核心瓶颈：传统TTS系统常面临音色单一、多语言支持弱、实时性差等问题，难以满足智能客服、在线教育等场景的多样化…
Speakr：本地化AI会议助手，免费开源，100%数据私密，会议录音秒变纪要
💡 站外导读：在远程办公和混合办公成为常态的今天，会议录音和纪要管理成为效率提升的关键一环，但随之而来的数据安全问题——尤其是商业机密和敏感对话的泄露风险——始终是企业和…
字节跳动XVerse：革命性多主体图像生成模型，精准控制多人物/场景身份与风格
💡 站外导读：在AIGC（AI生成内容）浪潮中，文本到图像生成已从“能用”迈向“精准控制”的深水区。当前主流模型在生成单一主体时表现优异，但一旦场景涉及多个独立主体（如多…
Fireplexity：5分钟部署开源AI问答引擎，告别供应商锁定
💡 站外导读：在信息爆炸的时代，如何从海量网络数据中快速、准确地获取答案，是企业和开发者面临的核心痛点。传统搜索引擎结果冗杂，而定制化AI应用开发周期长、成本高。Fire…
微软MAI-DxO突破医疗诊断：AI虚拟医生协作系统准确率85.5%，远超人类医生
💡 站外导读：医疗资源不均、复杂病例误诊率高、诊断成本攀升，是全球医疗体系的共同痛点。随着大模型技术成熟，AI正从辅助工具向核心诊断角色跃迁。微软最新推出的MAI-DxO…
RecGPT：淘天百亿参数大模型重塑电商推荐，点击量两位数增长背后的AI引擎
💡 站外导读：在电商竞争白热化的今天，用户注意力稀缺，传统推荐系统难以捕捉动态兴趣与深层需求。淘天集团推出RecGPT，一个百亿参数的推荐大模型，正解决这一痛点。它融合图…
上海交大ML-Master登顶MLE-bench：AI专家Agent如何用“探索-推理融合”范式超越微软、OpenAI？
💡 站外导读：在AI竞赛白热化的今天，自动化机器学习工程成为效率瓶颈的关键突破点。上海交大Agents团队推出的ML-Master智能体，在OpenAI权威基准MLE-b…
阿里通义ThinkSound：首个CoT音频生成模型，让AI为视频自动配音，音画同步超越6大主流方案
💡 站外导读：传统AI音频生成难以捕捉视频的动态细节与空间关系，导致音画脱节，是影视、游戏、广告内容创作的效率瓶颈。随着AIGC浪潮席卷，业界迫切需要能理解视频语义、实现…
谷歌DeepMind发布BlenderFusion：AI+Blender融合，实现精准3D编辑与逼真图像合成
💡 站外导读：当前，高质量3D内容创作面临两大挑战：一是传统软件如Blender学习曲线陡峭、效率较低；二是AI生成工具虽快，却缺乏对场景几何与视角的精确控制。创作者常陷…
阿里通义MirrorMe：AI音频驱动肖像动画框架，实时生成高保真虚拟人
💡 站外导读：随着数字人和虚拟形象在电商直播、在线教育等领域的应用爆发，如何低成本、高保真地生成逼真的实时动画成为行业核心痛点。传统方法在唇形同步、表情控制及推理速度上存…
告别AI答一半就跑！开源神器「寸止」深度解析：智能拦截、记忆管理，打造永不中断的对话体验
{ "mcpServers": { "寸止": { "command": "寸止" } } } 💡 站外导读：在AIGC浪潮下，大模型已深度融入工作与创作。然而，一个普遍…
智谱AI开源GLM-4.1V-Thinking：9B参数模型性能超越72B，视觉语言模型迎来‘思考’时代
import requests import json # 设置API接口地址和API Key api_url = "https://api.zhipuopen.com/…
Mercury扩散语言模型深度解析：Inception Labs革新AI生成速度，实现聊天应用极致低延迟
💡 站外导读：在追求极致响应速度的AI时代，传统自回归大模型逐词生成的瓶颈日益凸显，成为实时交互应用落地的关键障碍。Inception Labs发布的Mercury，正是…
Step-Audio-AQAA：突破ASR/TTS瓶颈！StepFun推出端到端音频语言模型，重塑人机语音交互
💡 站外导读：传统语音交互系统常受限于ASR转写错误与TTS合成不自然，导致体验割裂、延迟高。StepFun团队最新推出的Step-Audio-AQAA模型，以“音频进，…
