分类目录介绍：
精选最新、最前沿的行业视频，深入探索AI技术在各领域的最新应用与未来发展趋势。内容涵盖核心技术、市场机遇，为行业决策者、研究人员和技术爱好者提供一手研究资料与行业洞察。
内容持续更新中
近日，一款名为MiniPerplx的开源AI搜索引擎正在技术圈引发热议。这款由Gork驱动的搜索工具不仅能够进行常规网页搜索，还创新性地整合了Twitter和YouTube内容的搜索功能，展现出了超乎…
最近，多模态大型语言模型（MLLM）取得了显著进展，特别是在视觉和文本模态的集成方面。但随着人机交互的日益普及，语音模态的重要性也日益凸显，尤其是在多模态对话系统中。语音不仅是信息传输的关键媒介，还能…
Yukai Engineering 以其创新和奇特的机器人产品而闻名，尤其是其经典作品如 Amagami Ham Ham，这款机器人凭借其独特的功能——咬手指带来“有点愉悦的感觉”——曾引起广泛关注。…
字节跳动近日开源了一项名为 LatentSync 的创新技术，该技术是一种基于音频条件的潜在扩散模型的端到端唇同步框架。这项技术无需任何中间运动表示，即可实现视频中人物唇部动作与音频的精准同步。与以往…
在传统的AI开发中，构建智能代理一直是一项复杂且技术要求高的任务。开发人员需要处理API集成、环境配置、依赖项管理等多个繁琐的步骤，这使得构建智能代理既耗时又费力。然而，Hugging Face最近推…
昨天晚上，可灵AI悄然推出了一项可能颠覆电商行业的新功能——AI模特。这项创新不仅在技术上实现了突破，更在商业应用上展现出巨大的潜力。它标志着电商行业在视觉呈现方式上，即将迎来一场深刻的变革。 可灵A…
随着人工智能技术的进步，E2E（端到端）测试领域迎来新一轮创新浪潮。字节跳动web-infra团队最新开源的Midscene和独立开发者推出的Shortest等工具，正在改变传统的测试方式。 Mids…
人工智能语音领域再迎重大突破!Hume AI近日推出了一款名为OCTAVE的全新文本与语音引擎，该引擎能够仅凭简单的文本描述或一段5秒的语音录音，即可生成或克隆出逼真的语音和人格特质，为虚拟角色和人机…
用一段简单的哼唱、一段节奏的敲击，就能让AI生成一段高品质的音乐或音效，这不再是幻想。一项名为Sketch2Sound的创新研究成果，展示了一种全新的AI模型，它可以通过声音模仿和文本提示来生成高质量…
近日，来自多伦多大学及向量研究所的研究团队发布了 CAP4D 模型，这是一种基于形变多视角扩散模型（MMDM）的新技术，能够通过任意数量的参考图像生成逼真的4D 头像。 该模型采用双阶段方法，首先利用…
在人机对话的世界里，最让人头疼的莫过于——“你到底说完没”! 这句话看似简单，却成了无数语音助手和客服机器人迈不过去的一道坎儿。 你是不是也经常遇到这种情况:你只是停顿了一下，想思考接下来要说什么，结…
近日，一项名为INFP（Interactive， Natural， Flash and Person-generic）的新技术引起了广泛关注。这项技术旨在解决当前AI虚拟头像在双人对话中存在的互动不足…
Adobe Research与西北大学联合开发出一项突破性的AI系统Sketch2Sound，该技术能将简单的人声模仿和文字描述转化为专业级音效，有望彻底改变声音设计行业的工作方式。 该系统会分析语音…
在最近的更新中，AI创意工具 Krea AI 宣布在Krea Editor推出了令人兴奋的新功能 —— 自定义训练。 据官方介绍，该功能可以在在几秒钟内将真实产品添加到任何图像中，就像变魔术…
Krea AI宣布在其编辑器平台Krea Editor推出自定义培训功能，让用户能够在几秒钟内将真实产品无缝添加到任何图像中。这一新功能的发布，将为电商商家、营销人员和内容创作者带来更高效的视觉内容制…
近日，备受瞩目的Genesis Project正式发布，这款全新的生成式物理引擎旨在以最高的真实感模拟整个物理世界，为虚拟领域带来前所未有的沉浸式体验。 核心亮点:速度惊人，效率卓越 Genesis …
Domo AI近日发布了v2v 5. 0 测试版，其中最引人注目的新功能是推出了一个v2v真实模型。该模型可以实现视频的反向操作，即可以将动漫类型的视频转换为真人视频，给用户带来了前所未有的视觉体验。…
OpenAI 近日推出了其 API 的全新版本 o1模型，命名为 “o1-2024-12-17”，此版本带来了多个激动人心的新功能，包括智能函数调用、支持 JSON 格式的结构化输出以及图像分析能力。…
机器人公司宇树科技（Unitree）近日宣布，将全面开源其机器人训练的源代码，这一举措在业界引发广泛关注。此次开源内容包括强化学习(RL)训练代码，以及从模拟到模拟(Sim-to-Sim)和从模拟到现…
谷歌发布了一款名为Whisk的新AI工具，它颠覆了传统的图像生成模式，允许用户使用图片作为提示词，而非冗长的文字描述。 通过Whisk，你可以上传图片来指定AI生成图像的主题、场景和风格，并且可以为这…
Pika近日推出了其最新的AI视频生成工具——Pika2.0，宣称这是一次重大更新，承诺为用户提供更多的控制权和可定制性。作为AI视频生成领域的早期领导者之一，Pika自推出Pika1.5后，已获得了…
各位“冲浪达人”们，还记得那些年我们追过的表情包吗?从“地铁老人看手机”到“金馆长熊猫头”，它们不仅承包了我们的笑点，也成为了一种独特的网络文化符号。如今，短视频风靡全球，表情包也“与时俱进”，从静态…
OpenAI 在本周四宣布，其为 ChatGPT 开发的类人对话功能"高级语音模式"已实现视觉化。订阅 ChatGPT Plus、Team 或 Pro 的用户现在可以通过手机摄像头…
在为期12天的"ship-mas"产品发布系列中，OpenAI正式推出了备受期待的Sora视频生成AI模型。这款创新技术现已在Sora.com上线，面向美国及大多数国家的ChatG…
Runway Act One的最新更新为视频制作带来了革命性的变化。现在，你可以将自己的表演和声音直接“套用”到其他视频中的角色身上，实现动作和声音的完美同步。 想象一下，你在手机上随意拍摄的表演，可…
随着科技的不断进步，视频修复和增强技术正变得越来越先进。最近，一款名为VISION XL的视频修复和超分辨率工具以其卓越的性能和易用性脱颖而出。这款工具不仅能够修复视频中的缺失部分，去除因拍摄不稳定导…
Fish Audio最近丢出了一枚重磅炸弹——Fish Speech1.5，这款全新的语音合成模型简直是“声”临其境，不仅在准确性、稳定性和跨语言能力上狂甩前辈几条街，还一口气新增了五种语言支持!此外…
Google DeepMind近期发布的Genie2，正以其惊人的世界生成能力，重新定义了AI训练和交互的可能性。 Genie2是一个革命性的基础世界模型，能够通过自然语言指令，实时生成高度多样化且逻…
