音频生成
音频,audio
Black Forest Labs发布Flux 3！初评超过Seedance 2.0，将开源
黑森林实验室最新发布的新一代模型标志着其从单一图像生成向全面多模态架构的重大进化。该模型将视频、音频及动作预测统一整合，致力于通过同时处理多种感官...
WAIC观察：比起做「超级Agent」，大厂更着急抢占「Agent入口」
在今年世界人工智能大会现场，智能体技术已跨越概念阶段，全面走向用户并深入多元化应用场景。行业竞争的核心正从打造单一的超级智能体，转向围绕办公、系统...
阶跃发布端侧全家桶，1加N架构100毫秒本地调用
阶跃发布了Step Edge系列端侧多模态模型，采用“1加N”架构，旨在实现实时响应、数据隐私保护和推理成本优化。该系列由一个文本视觉基础模型和音频、GUI、图像...
全球第一！ 中国模型登顶榜首，首个可编辑AI语音来了
国产公司云上曲率推出的ViiTorVoice语音大模型在权威评测中登顶综合排名第一。该模型英文词错率为1.32，中文词错率降至0.99，成为全球首个中文词错率突破1.0...
Codex 首款硬件曝光：是一个“最没创意”的快捷键盘
OpenAI在近期的AI Engineer World Fair上推出了出乎市场意料的首款硬件产品，并非外界猜测由前苹果设计师Jony Ive主导的AI耳机，而是一款名为Codex Micro的宏...
世界杯“名场面”，居然是AI造假？
随着人工智能技术的快速普及，其在大型体育赛事中的应用日益广泛，但同时也催生了大量虚假内容。在近期的世界杯期间，各类由人工智能生成的虚假影像在社交平...
一文总结2026火山引擎FORCE大会 – 向Coding和Agent全面进军。
伴随基础模型的升级，豆包专业版推出了全新的办公模式。底座模型智能体能力的提升，使得该办公模式能够出色执行复杂的通用办公任务，实现了从底层模型到上层...
谷歌干掉了「等你说完才翻译」！70+语言边听边译
Google近期发布了名为Gemini 3.5 Live Translate的最新语音对语音翻译模型，标志着实时同声传译技术的重大突破。该模型打破了传统翻译设备“等待说完再翻译”的...
5分钟AI长视频不翻车！国产开源框架杀到全球第一梯队
当前AI视频生成领域在长视频制作上面临角色一致性差、生成速度慢及修改成本高等瓶颈，限制了其规模化商业应用。针对这些行业痛点，京东团队开源了长音视频生...
视频AI卷向5分钟：全量开源，一次生成，正式告别「盲盒抽卡」
当前AI视频生成技术在处理分钟级长视频时，常面临角色形象改变、声音不一致以及修改成本高昂等瓶颈，难以真正融入专业内容生产工作流。针对这一行业痛点，京...
