发现

Cartesia 公司推出新一代实时对话文本转语音模型 Sonic-3，该模型基于 State Space Model（SSM）架构打造，推理延迟低至 90 毫秒，端到端响应仅需 190 毫秒，是最快...

NeuTTS Air是由Neuphonic开发的一款超拟真、可离线运行的文本到语音（TTS）模型，支持多种操作系统和设备平台，包括移动设备、个人电脑、树莓派等，易于集成到各种应用中。NeuTTS Ai...

新发布的NVIDIA Nemotron Nano 2不仅实现了同尺寸模型下的最高准确率，并且还加入了可配置的“思考预算”功能，支持用户控制输出的Token的数量，让AI智能体在更深入的思考和更快的执行...

爱诗科技正式发布新一代自研大模型PixVerse V5，并同步上线全新Agent 创作助手。此次升级全面优化了动态效果、超清视觉处理、一致性保持、指令遵循等核心环节，不仅延续极速生成优势，还在视频真实...

JamBot 是一个由人工智能驱动的工具，存在于Figma的FigJam中。它旨在帮助用户更快地启动初稿并加速进展。使用JamBot，用户可以与ChatGPT一起在同一画布上创建视觉思维导图、采取多线...

Seede AI 是一款以“简化设计流程”为核心的AI图形设计工具，用户只需输入文字描述或上传参考图片，即可在1分钟内生成专业级设计，无需设计经验。致力于让用户无需专业设计经验即可快速生成高质量视觉作...

KittenTTS是一款开源的轻量级文本转语音（TTS）模型，是发布的新款开源文本转语音模型 ——Kitten TTS。这一模型的设计目标是实现高质量的语音合成，同时保持轻量级和高效能，适合在各种设备...

SpatialGen是一款基于扩散模型架构的多视角图像生成模型，可根据文字、参考图和3D空间布局，生成具有时空一致性的多视角图像。SpatialGen 可根据文字描述、参考图像和3D空间布局，生成具有...

智元机器人发布了业内首个开源的机器人世界模型平台——Genie Envisioner（GE），这一平台的推出标志着机器人学习技术迈出了重要一步。该平台的核心在于其高度集成的闭环架构。其中，GE-Bas...

userlm-8b 是由微软发布的一款专注于模拟对话中“用户”行为的语言模型，与传统扮演“助手”角色的模型不同。该模型基于大量真实对话数据进行训练，能够生成贴近真实用户表达方式的对话内容。具备生成用户...