谷歌 Gemini TTS 模型发布：超24种语言、多人对话、情感语音合成，AI语音生成新标杆
💡 站外导读：在AI内容创作热潮下，高质量语音生成成为新痛点。谷歌最新推出的Gemini TTS模型，以其支持24种以上语言、多人对话合成、情感语调精细控制等特性，直击有…
阿里通义百聆重磅发布：企业级语音基座大模型，融合识别与合成，大幅降低幻觉率，赋能多行业应用
💡 站外导读：在AI大模型浪潮中，语音交互正成为企业数字化转型的关键一环。然而，传统语音技术面临幻觉率高、串语种、行业术语识别不准等痛点，制约了复杂环境下的应用落地。阿里…
OpenScreen 开源免费屏幕录制神器：平替Screen Studio，跨平台无水印，支持手动缩放与注释
💡 站外导读：在数字内容创作和远程协作日益普及的今天，一款强大且易用的屏幕录制工具成为刚需。然而，专业录屏软件如 Screen Studio 价格高昂，令许多个人创作者和…
Paper2Slides：香港大学开源AI论文转幻灯片神器，一键生成专业PPT与学术海报
💡 站外导读：你是否曾为将一篇复杂的学术论文转化为清晰、专业的演示幻灯片而耗费数小时？在科研汇报、教学或企业演示中，从海量文档中精准提取关键信息并设计出吸引人的视觉呈现，…
Wan-Move 开源：阿里清华联手，无需改动模型即可实现点级精准运动控制的视频生成框架
💡 站外导读：在AIGC视频生成领域，如何实现精准、细粒度的运动控制一直是核心挑战。传统方法往往需要复杂模型改造或额外模块，门槛高且效果受限。阿里通义实验室与清华大学等机…
快手可灵×港科大重磅开源：UnityVideo统一框架破解多模态视频生成难题，零样本泛化能力领跑行业
💡 站外导读：当前，AI视频生成模型虽已能产出惊艳画面，但普遍存在一个核心痛点：模型对物理世界的理解深度不足，难以精准控制视频内容的运动、空间关系与物理真实性。从影视特效…
商汤LightX2V开源：实时视频生成推理框架，4步出视频、8GB显存跑14B模型
💡 站外导读：AI视频生成正从实验室走向产业落地，但推理速度慢、硬件门槛高、部署复杂仍是行业核心痛点。商汤最新开源的LightX2V框架，首次实现「实时级」视频生成推理，…
英伟达Nemotron 3开源模型系列发布：MoE架构助力4倍吞吐量，重塑多智能体AI开发范式
💡 站外导读：在AI大模型竞争白热化的今天，企业面临推理成本高昂、多智能体协作复杂、长文本处理能力不足等核心痛点。英伟达此次推出Nemotron 3开源模型系列，直击行业…
Banana Slides: 开源AI PPT生成神器，自然语言一键编辑，彻底解放你的演示制作！
💡 站外导读：在快节奏的现代工作与学习中，制作演示文稿常成为耗时费力的瓶颈。传统工具操作繁琐，设计门槛高，导致效率低下。随着AIGC技术爆发，智能生成工具正重塑内容创作流…
阿里通义万相2.6发布：多模态AI视频生成新标杆，角色扮演+音画同步赋能专业创作
💡 站外导读：在AIGC浪潮席卷全球的当下，视频创作正面临前所未有的效率瓶颈与专业门槛。传统影视制作周期长、成本高，而普通短视频工具又难以满足品质要求。阿里通义推出的万相…
字节Seedance 1.5 Pro重磅发布：原生音画同步多模态视频生成模型深度解析
💡 站外导读：在AIGC浪潮席卷全球之际，视频内容创作正面临效率与成本的双重瓶颈。传统制作流程耗时耗力，难以满足社交媒体时代对海量、个性化视频内容的爆发式需求。字节跳动S…
阿里联合高校开源Live Avatar：140亿参数实时数字人模型，20FPS流式生成无限时长视频
💡 站外导读：当前数字人技术虽快速发展，但面临长时生成面部漂移、色彩失真及实时交互延迟等核心痛点。在AIGC浪潮下，电商直播、虚拟主播等应用对稳定、高保真的实时数字人需求…
OpenAI发布GPT Image 1.5：图像生成速度快4倍、API成本降20%，精准编辑功能全面解析
💡 站外导读：随着AIGC技术的飞速发展，企业与创作者对图像生成工具的要求已从‘能生成’转向‘精准、高效、易用’。当前市场面临的主要痛点包括：复杂指令理解不佳、编辑局部时…
美团LongCat开源：音频驱动数字人视频生成模型，超逼真口型同步、长视频稳定生成
💡 站外导读：在AIGC视频生成浪潮中，如何让虚拟数字人从“形似”跃升到“神似”，尤其是实现与真人无异的口型同步与长时段自然动态，始终是行业技术攻坚的核心痛点。当前多数模…
小米MiMo-V2-Flash开源大模型：150亿参数击败Claude 4.5，推理成本仅2.5%
💡 站外导读：在AI智能体与长文本处理需求爆炸的今天，企业面临推理成本高企、延迟严重的双重困境。小米重磅开源MiMo-V2-Flash，以3090亿总参数、150亿激活参…
亚马逊重磅发布Nova 2系列AI模型：四款神器覆盖文本、语音、视频，百万级上下文处理引领多模态革命
💡 站外导读：随着AI应用深入产业核心，企业面临模型选择难、多模态处理能力不足、上下文长度受限等痛点。全球云计算巨头亚马逊云科技（AWS）正式发布第二代自研AI模型系列A…
