最新
AI短视频教程
AI视频
即梦AI
短视频运镜教程
运镜
Voila – 开源端到端语音大模型，实现低延迟语音对话
Voila是什么Voila 是开源的端到端语音大模型，专为语音交互而设计。具备高保真、低延迟的实时流式音频处理能力，能直接处理语音输入并生成语音输出，为用户提供流畅且自然的交互体验。Voila 集成了语音和语言建模能力，支持数百万种预构建和自定义声音，用户可以通过文本指令或音频样本轻松定制说话者的特征和声音。 包含两个主要模型：Voila-e2e 用于端到端语音对话，Voila-autonom
昆仑万维开源Skywork-R1V 2.0版本 视觉与文本推理能力提升
4月24日，昆仑万维宣布正式开源其多模态推理模型Skywork-R1V2.0（以下简称R1V2.0）。这一升级版本在视觉与文本推理能力上均实现了显著提升，特别是在高考理科难题的深度推理和通用任务场景中表现出色，堪称当前最均衡兼顾视觉与文本推理能力的开源多模态模型。R1V2.0的开源，不仅是昆仑万维在多模态领域技术实力的体现，也为全球开发者和研究者提供了强大的工具，推动多模态生态建设。该模型在多个权
微软 Copilot 已支持 GPT-4o 图像生成技术，能力大提升
IT之家 5 月 19 日消息，微软近日为 Copilot AI 推送了最新更新，其中最重要的功能是加入了对 OpenAI 的 GPT-4o 图像生成技术的支持。IT之家曾报道，今年早些时候，OpenAI 推出了 GPT-4o 图像生成器，其强大的功能引发热议，尤其是生成的吉卜力风格（Ghibli）表情包在网上火爆一时。微软表示：“我们已将 Copilot 的图像生成功能升级至 4o 图像生成，
EasyControl_Ghibli模型上线：免费解锁吉卜力风格图像生成
近日，一款名为EasyControl_Ghibli的AI模型在Hugging Face平台悄然上线，为广大用户带来了一个令人振奋的消息:无需付费，即可轻松生成带有吉卜力风格的图像。这一模型的发布，不仅为动漫爱好者和创意人士提供了一个简单易用的工具，也让更多普通人有机会将自己的想象力融入经典的吉卜力美学之中，点亮日常生活的温暖一角。据介绍，EasyControl_Ghibli模型的设计初衷是为了打破
谷歌推出 Gemini 本地图像编辑功能：动动手就能让 AI 帮你改图
IT之家 5 月 1 日消息，谷歌在当地时间周三发布的博客中宣布，Gemini 聊天机器人应用目前支持修改由 AI 生成的图像以及用户从手机或计算机上传的图像。据IT之家了解，Gemini 的本地图像编辑功能将从今天起逐步推向全球，预计在未来几周内，服务将扩展至大多数国家，并支持超过 45 种语言。此次推出紧接着谷歌 3 月在 AI Studio 平台上测试的 AI 图像编辑模型，该模型因能删除
三星进军 AI 机器人领域，Ballie 本周公开亮相
IT之家 4 月 9 日消息，三星公司昨日（4 月 8 日）通过官方 Instagram 平台，预告将于本周在某个舞台上，展示 Ballie 机器人，可能会公布该机器人的发售细节。Ballie 是一款深度集成 SmartThings 平台的 AI 伴侣机器人，配备摄像头和迷你投影仪，能够在家中跟随用户，它不仅能够提供天气预报、播放电影、展示三星健康数据，还能协助管理购物清单、控制智能家居设备等。
「亿格云」获近亿元 Pre-B 轮融资：加速 AI 办公支撑平台研发与全球化布局
在2024年，公司顺应技术趋势与客户需求变化，完成以 AI 为核心的战略升级，正式推出“一站式 AI 办公支撑平台”，该平台架构可概括为：“一底座・双 Agent・全 AI 智能协同”。36氪广东获悉，近日，专注于企业办公安全领域的零信任SASE服务商 —— 杭州亿格云科技有限公司（简称：「亿格云」）正式宣布完成Pre-B轮近亿元融资。本轮融资由红杉中国领投、元璟资本、启创资本老股东持续加码，由
DataBahn.ai推出“数据礁”智能化安全情报的新时代
在网络安全领域，如何快速而准确地处理海量数据是企业面临的一大挑战。最近，数据科技公司 DataBahn.ai 推出了一款名为 “数据礁”（Reef）的创新产品，旨在将高流量、高速度的安全监测信息转化为及时、可操作的情报，帮助企业做出更明智的决策。如今，企业收集的日志、警报和监测数据多达数 PB，但实际上仅分析不到5%。这意味着绝大多数数据未被充分利用，关键的信息往往被淹没在海量的噪音中。“数据礁”
AI介入私域运营，不仅提效，还省90%的token！
声明：本文来自于微信公众号 见实，作者：见实，授权站长之家转载发布。AI并不能完全取代现有的私域业务流程，更重要的是“精准介入”。例如，向百万用户发送促销邀请时，我们并不需要AI的全量轰炸（现有的企微群发功能已够用），而是潜伏在关键节点:仅对10%的真实回复者启动服务——用户确认参与的瞬间，AI自动标记“意向参与用户”，为后续精准推送铺路。这样的做法既融入了原有的工作流，又将AI的token消
Anthropic 全新 AI 模型 Claude Neptune 即将亮相，竞逐市场巨头
科技媒体 testingcatalog 发透露了 AI 公司 Anthropic 正在研发的新模型 Claude Neptune 的相关信息。目前，这一新 AI 模型已进入内部安全测试阶段，预计将与 OpenAI 的 GPT-5及谷歌的 Gemini Ultra 展开竞争。根据博文的介绍，Claude Neptune 的安全测试正在使用 Anthropic Workbench 平台进行。这一阶段主
字节 Seed 开源 UI-TARS-1.5：基于视觉-语言模型构建的多模态智能体
IT之家 4 月 18 日消息，IT之家从豆包大模型团队获悉，UI-TARS-1.5 昨日正式发布并开源。这是一款基于视觉-语言模型构建的开源多模态智能体，能够在虚拟世界中高效执行各类任务。有关的链接如下：GitHub：https://github.com/bytedance/UI-TARSWebsite：https://seed-tars.com/Arxiv：https://arxiv.org
苹果、谷歌、Meta、OpenAI都在抢的新赛道，中国公司的机会在哪？
声明:本文来自于微信公众号 硅星人Pro，作者:王飞，授权站长之家转载发布。五天前，一笔震惊科技圈的重磅收购案浮出水面。OpenAI宣布以高达65亿美元的价格，收购了由前苹果首席设计官Jony Ive创办的AI硬件公司io，并计划将其打造为一个专注消费级智能设备的核心部门。Jony Ive、约55名的硬件工程师、软件开发人员和制造专家，以及一个梦想中的AI硬件造就了OpenAI历史上最大手笔的
7个月ARR 1.2亿美元，昆仑万维靠“短剧+AI”找到了新增长点
声明:本文来自于微信公众号 白鲸出海 作者:张凯然，授权站长之家转载发布。近2年，短剧出海持续升温，吸引了大量中国厂商积极入局。DataEye-ADX 的数据显示，截止2025年2月该品类在投应用数已经达到了231款，是去年同期的4倍，与快速增长的平台数量对应的是，从业者对这一市场前景普遍乐观的预判。据某头部媒体发布的行业白皮书显示，海外短剧月均用户已达2000-4000万，未来短剧预计将覆盖
理想汽车 OTA7.4 更新：全新 MindGPT-4o-preview 模型上线，智能座舱焕然一新
理想汽车于5月28日正式推出 OTA7.4版本更新，这次升级不仅带来了全新的智能座舱体验，还首次上线了自研的 MindGPT-4o-preview 模型，标志着理想汽车在智能化方面迈出了重要一步。在此次更新中，理想同学的形象全面升级为3D 毛绒形象，增添了双手的设计，让其在执行任务时更显灵动和亲切。此外，基于 MindGPT-4o-preview 模型，理想同学的音色更加丰富，情感表达也变得更加人
2025年AI视频生成企业TOP20榜单出炉：可灵AI、即梦AI、PixVerseAI位居前三
近日，由 DBC、CIW 和 CIS 联合发布的 “2025年 AI 视频生成企业 TOP20” 榜单正式出炉，快手旗下“可灵AI”、爱诗科技“PixVerseAI”及抖音“即梦AI”占据前三席位。另外，阿里巴巴（通义万相、绘蛙AI视频）、腾讯(智影)、科大讯飞(讯飞绘镜)、MiniMax(海螺AI)等多家企业均榜上有名。
亚马逊跟随微软暂停雄心勃勃的部分国际AI数据中心计划
根据美国两家银行 Wells Fargo 和 TD Cowen 的最新报告，亚马逊已暂停了一些国际数据中心的谈判，主要集中在欧洲。这一消息传出不久，微软也被曝出暂停或取消部分计划。Wells Fargo 的报告指出:“目前尚不清楚暂停的具体范围，但这一举措与微软最近的动态非常相似 —— 它们正在消化近期的激进租约。” 该报告强调，微软似乎仍在推进已签署的交易。图源备注：图片由AI生成，图片授权服务