Nano Banana – AI图像编辑模型，让新生成的图像在保持主体一致的情况下栩栩如生
Nano-Banana 是一个最近在LMArena平台上出现的神秘AI图像生成和编辑模型，该模型以文本提示进行图像编辑为核心功能，表现出色于许多现有模型，它也能够完美识别背景和主体，让新生成的图像在保...
排序
腾讯联合港中文、北大最新开源的AI动画工具-ToonComposer ，自动生成中间帧，提升创作效率
ToonComposer是由香港中文大学、腾讯PCG ARC实验室、北京大学联合开发的整合式动画生成系统，利用生成式 AI 技术，将繁琐的手工操作转变为一个无缝的流程。ToonComposer 的 ...
医疗AI革命：从辅助诊断到精准治疗，deepfig如何提升45%诊断效率
作为三甲医院影像科医生，我每天需处理上百份CT、MRI影像，基层医院转诊的复杂病例常因诊断延迟影响治疗。传统AI辅助工具虽能标记病灶，但对罕见病识别率不足60%，且无法结合患者病史综合分析。 deep...
最新开源的轻量级文本转语音模型–KittenTTS ，无需联网即可生成语音，适合离线场景。
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...
Genie Envisioner——智元机器人发布了业内首个开源的机器人世界模型平台
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...
Step-Audio 2 mini – 阶跃星辰开源的端到端语音模型，能精准理解各种音频内容
Step-Audio 2 mini是什么 Step-Audio 2 mini是阶跃星辰推出的开源端到端语音模型。突破传统语音模型结构，采用真端到端多模态架构，直接将原始音频输入转化为语音响应输出，时延...
MAI-Voice-1 – 微软推出的极速语音生成模型，生成高度自然和富有表现力的语音
微软人工智能部门正式推出其首批两款自研 AI 模型 ——MAI-Voice-1 语音模型与 MAI-1-preview 通用模型。MAI-Voice-1是一个语音模型，能够在不到一秒的时间内生成一分种...
Ming-UniAudio – 蚂蚁集团开源的音频多模态模型，支持语音理解和生成任务
随着大语言模型（LLM）的快速发展，语音语言模型在语音理解、生成和编辑等方面取得了显著进展。Ming-UniAudio 是蚂蚁集团开源的一个创新语音处理项目，这是一个基于统一连续分词器的语音大模型，能...
上海AI Lab开源的大模型推理部署工具–LMDeploy ，能显著提升大语言模型的推理速度
LMDeploy 是上海人工智能实验室推出的大模型推理部署工具，专注于提升大模型推理性能并优化硬件资源利用，能显著提升大模型的推理性能，支持多种硬件架构，包括 NVIDIA 的 Hopper 和 Am...
马斯克旗下xAI推出的最新大模型–Grok 4 ，推理能力提升 10 倍
马斯克旗下人工智能公司xAI正式推出新一代大语言模型Grok-4。该模型将深度整合特斯拉AI超级计算机系统，为全自动驾驶（FSD）及Optimus人形机器人提供核心技术支持。Grok 4不仅具备“逻辑...