全球AI新闻头条 | 政策解读·巨头动向·融资快讯 - AI中国|教程|工具大全

列表

默认

浏览次数

发布时间

谷歌 Gemini 推出视频分析功能，能准确识别视频拍摄场所

近日，科技媒体 Android Authority 报道称，谷歌最新的 Gemini 聊天机器人引入了一项引人注目的新功能 —— 视频分析。用户现在可以轻松上传视频并提问，Gemini 会基于视频内容进行智能分析，回答相关问题。这一创新功能无疑为视频内容的处理带来了新的可能性，吸引了广大用户的关注。在测试中，Gemini 展现出了惊人的能力。通过分析视频中的建筑风格和地理线索，AI 能够准确判断出

文本转语音(TTS)模型

颠覆性开源 TTS 模型 Dia 发布:情绪、非语言提示全支持，媲美真人对话

一家名为 Nari Labs 的两人创业公司发布了 Dia，这是一个拥有16亿参数的文本转语音（TTS）模型，旨在直接从文本提示生成自然对话。其联合创始人 Toby Kim 声称，Dia 的性能超越了 ElevenLabs 等竞争对手的专有产品以及谷歌的 NotebookLM AI 播客生成功能，并可能对 OpenAI 近期发布的 gpt-4o-mini-tts 构成威胁。Kim 在社交媒体

# AI项目和框架

ImagePulse – 魔搭社区开源的图像理解和生成模型数据集

ImagePulse是什么ImagePulse （图律脉动）是魔搭社区推出的开源项目，为下一代图像理解和生成模型提供数据集支持，通过原子化模型的能力并构建原子能力数据集。项目包含多个原子能力数据集，例如“修改、添加、移除”“放大、缩小”“风格迁移”和“人脸保持”等，每个数据集都针对特定的图像编辑或生成任务。ImagePulse的主要功能原子能力数据集构建：ImagePulse 提供了多

# AI项目和框架

SurveyGO – 清华联合面壁智能开源的AI论文写作工具

SurveyGO是什么SurveyGO（卷姬）是清华联合面壁智能团队开源的AI论文写作工具。支持根据用户输入的论文主题和描述，快速生成结构清晰、内容丰富的综述文章，帮助科研人员和学生高效完成文献综述部分。SurveyGO核心技术 LLMxMapReduce-V2 借鉴卷积神经网络原理，基于文本卷积算法聚合多篇参考文献，避免传统方法中信息丢失的问题。生成的文章逻辑严谨、引用可靠，长度和细节丰富

最新AI产品从哪获取？海外、国内AI产品排行榜去哪看？

嘿，小伙伴们!今天给大家带来一个超有料的AI宝藏网站——AIbase基地（https://www.aibase.com/zh）!如果你对人工智能感兴趣，或者正在寻找AI行业的最新资讯、工具和变现机会，那这个网站绝对值得你收藏!🚀🎯 网站简介AIbase基地是一个专注于人工智能领域的综合性平台，旨在为用户提供全面的AI资讯、工具、产品和变现指南。它的目标是让更多人看到未来，通往AGI（通用人工智

AI日报：腾讯混元3D生成模型2.5版本发布；海螺推出图像人物参考功能；百度上线移动端超级智能体心响App

欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。新鲜AI产品点击了解:https://top.aibase.com/1、Manus开源平替!Kortix-AI正式发布开源通用AI智能体平台SunaKortix-AI推出了Suna，一个开源的通用AI智能体平台，旨在成为Manus的替代品。Sun

腾讯混元 3D 生成模型升级 2.5 版本：建模精细度提升，免费生成额度翻倍

感谢IT之家网友 Autumn_Dream 的线索投递！IT之家 4 月 23 日消息，腾讯今日宣布，混元 3D 生成模型全新升级，v2.5 新版本在建模精细度上大幅提升。混元 3D AI 创作引擎全面更新至 v2.5 模型底座，同时免费生成额度翻倍，提升至每天 20 次。混元 3D 生成 API 也已上线腾讯云，面向企业和开发者开放。相比前代，混元 3D v2.5 模型架构全面升级，总参数量

CharacterReference

海螺推出图像人物参考功能允许用户基于单张图像生成多角度、动态姿势的角色图像

MiniMax旗下的Hailuo AI正式推出Hailuo Image全新功能——Character Reference，为AI图像生成领域带来突破性创新。据AIbase了解，该功能允许用户基于单张参考图像生成具有多角度、动态姿势、丰富表情的角色图像，支持电影化光影与构图，并提供全面的提示词控制。社区对这一功能的发布反响热烈，项目详情已通过Hailuo官网与GitHub公开，标志着Hailuo在角

在线协作工具

代码编辑器

白板+代码编辑器组合工具pad.ws：开发者可在同一界面画图编程，实现边画边写代码

近日，一款名为pad.ws的在线工具引发了广泛关注。这款工具将白板与代码编辑器无缝结合，为开发者、设计师和团队协作提供了全新的解决方案。pad.ws 是一个运行于浏览器的开源工具，集成了电子白板与代码编辑环境，旨在为用户提供一站式的创意与开发体验。不同于传统的单一功能工具，pad.ws通过直观的界面和强大的功能，将头脑风暴、流程图绘制与实时代码编写融为一体。无论是远程团队协作、教学演示，还是快速原

Takane大语言模型

Nutanix企业AI平台

富士通联手Nutanix推出日语大模型Takane，瞄准企业私有AI市场

富士通与Nutanix达成战略合作，将其专为日语优化的Takane大语言模型（LLM）引入Nutanix企业AI平台(NAI)。这一合作标志着首个日语增强型LLM获得Nutanix AI平台认证，为企业私有AI部署提供了新选择。技术优势:专为日语优化Takane模型针对日语特有的语言挑战进行了优化，包括混合字符集（平假名、片假名和汉字）、省略主语以及日语商务交流中常见的微妙敬语表达。富士通声称，与

腾讯混元3D生成模型正式发布2.5版本建模精细度大幅提升

4月23日，腾讯混元3D生成模型正式发布2.5版本，标志着3D生成技术迈入超高清时代。此次升级不仅在建模精细度上实现了质的飞跃，还为用户带来了更高效、更便捷的创作体验，同时进一步降低了3D内容创作的门槛。在技术层面，混元3D v2.5版本的建模精细度大幅提升，有效几何分辨率达到1024，从标清升级到了高清画质。模型架构也实现了全面升级，总参数量从1B提升至10B，有效面片数增加超10倍。这一改进使

太极大模型

东风汽车发布 “天元智能” 技术品牌，助力智能化未来

在2025上海车展上，东风汽车以 “智绘新东风” 为主题隆重亮相，展出了26台整车和9项前沿技术展品。这次展会标志着东风汽车旗下自主品牌的首次联合展出，展示了其在智能汽车领域的雄心和创新能力。东风汽车在此次展会上正式推出了 “天元智能” 技术品牌，构建了一个名为 “一核双基双元” 的智能化技术体系。其中，“一核” 指的是企业级的太极大模型;“双基” 则包括天元架构和天元 OS;而 “双元” 则是指

刚刚，OpenAI发布GPT-image-1模型，更强吉卜力版本来啦

声明：本文来自于微信公众号AIGC开放社区，授权站长之家转载发布。今天凌晨1点30，OpenAI发布了全新图像模型GPT-image-1，已经通过API向全球开发者开放使用。GPT-image-1与ChatGPT版本有很大不同，可以控制生成图像的敏感度、生成效率、背景、输出格式、渲染质量、压缩质量等，并且支持全网爆火的吉卜力模式。目前，Adobe、Figma、HeyGen、Wix等知名企业已经

# AI项目和框架

GigaTok – 港大联合字节推出用于自回归图像生成的视觉分词器

GigaTok是什么GigaTok 是用于自回归图像生成的视觉分词器，参数量达 30 亿。通过语义正则化技术，将分词器特征与预训练视觉编码器（如 DINOv2）的语义特征对齐，有效约束潜在空间复杂度，解决了视觉分词器在扩展时重建质量与生成质量之间的矛盾。GigaTok 采用了一维分词器架构以提高可扩展性，优先扩展解码器以高效分配计算资源，引入熵损失来稳定大规模模型的训练。GigaTok的主

大型语言模型(LLM)

微软MarkItDown MCP，可把Word、Excel等转换成markdown格式

在数字化时代，如何有效地处理文档信息已经成为了许多行业中的一个热门话题。而今，微软推出的 MarkItDown MCP（Model Context Protocol）将文档处理提升到了一个新的高度!想象一下，您只需简单几步，就能将各种格式的文件(如 PDF、Word、PowerPoint 等)轻松转换为 Markdown 格式，为您的文本分析和大型语言模型(LLM)应用提供无缝支持。更为惊艳的是，

萨姆·奥特曼

OpenAI CEO批评礼貌语言浪费:与AI对话不需要“请”和“谢谢”

OpenAI的首席执行官萨姆·奥特曼（Sam Altman）近日提出了一个具有挑战性的观点，称与ChatGPT这样的聊天机器人使用礼貌语言，如“请”和“谢谢”，实际上是一种浪费，耗费了大量的电力和计算资源。奥特曼指出，尽管许多人认为与人工智能保持礼貌是一种文化上的必要行为，或者有助于提升交互质量，但这种做法却无形中增加了人工智能系统的负担。每次使用礼貌语言时，聊天机器人不仅要识别和处理这些词汇，还