音频生成
音频,audio
YC F25 Demo Day：83个AI项目完整盘点
2025年标志着生成式AI从概念验证阶段迈向规模化落地的关键转折点。在Y Combinator（YC）最新一期F25 Demo Day中，AI公司占比高达53%（83家/156家），较2021年...
VLA、世界模型与一副AI眼镜：理想在押注怎样的未来？
理想汽车正式推出AI眼镜Livis，标志着其从汽车制造商向人工智能终端公司的战略拓展。这款售价1699元起的穿戴设备并非简单的智能配饰，而是被定位为'穿戴机器...
百万人围观的「萌娃教训小狗」视频火了，结果都是AI生成的｜附教程
萌娃与宠物互动的AI生成视频近期在社交平台掀起热潮，这些15秒以内的短视频通过温馨场景精准触达用户情感需求。视频内容包含小孩训斥狗狗、亲昵互动等生活化...
在拉斯维加斯，我看到了体育的未来
拉斯维加斯re:Invent大会新增的体育论坛（Sports Forum）标志着科技与体育的深度融合。与传统技术展区的硬核风格不同，该区域以互动体验设施为载体，背后却隐...
PixVerse V5.5 的震撼，做 AI 视频的人都知道这次更新的可贵之处
PixVerse V5.5模型的发布标志着国内AI视频生成技术迈入新阶段。作为首个具备Sora2级分镜能力的本土模型，其多镜头配置与音频原生直出的特性显著降低了专业级...
多人会话视频生成新突破：香港科技大学，浙江大学用单人数据实现多人交互视频生成
AnyTalker框架通过创新的音频-人脸交叉注意力机制（AFCA）和两阶段训练策略，实现了高质量、可扩展的多人对话视频生成。该技术由香港科技大学、浙江大学等机...
五年，终于等来Transformers v5
Hugging Face发布了Transformers v5的首个候选版本v5.0.0rc0，标志着这一全球最流行的AI基础设施库正式跨越了从v4到v5长达五年的技术周期。自2020年11月v4版...
MV导演诞生！上海巨人网络用让AI听懂音乐并掌镜拍摄MV
上海巨人网络AI实验室提出的YingVideo-MV框架通过创新的级联架构，将音乐语义分析、导演级镜头规划与时间感知视频生成相结合，显著提升了音乐视频生成的质量...
ChatGPT三岁生日，谷歌却为它准备了「葬礼」
ChatGPT的诞生与三年技术演进彻底重塑了全球科技格局。2022年12月OpenAI低调发布的研究预览版，如今已发展为数字世界的核心基础设施。从最初纯文本交互到多模...
夸克AI眼镜，把千问大模型「戴」在眼前
AI眼镜正成为科技巨头争夺的下一代入口设备，重构人机交互方式。夸克AI眼镜的发布打破了智能眼镜行业多年的沉寂，通过突破硬件'不可能三角'（续航、性能、舒...
