模型

腾讯正式发布自研大模型 混元 2.0（Tencent HY 2.0），包含 HY 2.0 Think（推理优化版）与 HY 2.0 Instruct（指令对齐版）两个版本。该模型采用 混合专家（MoE...

实时文本转语音（TTS）技术在智能助手、实时播报、大模型交互等场景中有着极高的需求，但传统模型往往面临“延迟高”“长文本生成不稳定”“流式输入支持差”等痛点。 微软推出了一款轻量级实时TTS模型——V...

巨人网络AI实验室推出 YingVideo-MV，这是一个用于音乐驱动的多阶段视频生成框架，能够从音频信号中自动生成高质量的音乐表演视频。YingVideo-MV 集成了音频语义分析、可解释的镜头规划...

武汉大学、新加坡国立大学、中南大学、电子科技大学和微软的研究人员推出一个用于加速扩散模型（Diffusion Models）的轻量级框架 Glance，通过“慢-快”（Slow-Fast）的阶段感知...

核心要点 Nova 2 模型系列在推理、多模态处理、对话式AI、代码生成及智能体任务方面提供业界领先的性价比。 Nova Forge 服务允许企业通过其独特的“开放训练”方法，在训练早期融入专有数据...

苹果最新发布的 STARFlow-V 为视频生成领域带来了全新技术路径——作为一款基于标准化流（Normalizing Flows）的端到端模型，它打破了当前扩散模型主导的格局，凭借全局-局部架构、因...

阶跃星辰开源的 Step-Audio-R1 打破了传统音频模型的性能瓶颈，成为首个支持“测试时计算扩展”的音频大语言模型。它通过创新的模态落地推理蒸馏技术，让模型直接基于声学特征进行链式思考，而非依赖...

Mistral AI 正式推出新一代模型系列 Mistral 3，此次发布不仅包含适配边缘场景的 Ministral 3 系列小型密集模型，更带来了性能顶尖的稀疏专家混合模型 Mistral Larg...

Ovis-Image 是由阿里巴巴国际数字商务团队开发的 70亿参数 文本到图像（Text-to-Image）生成模型，专注于解决文生图系统中长期存在的文本模糊、拼写错误、排版失真等痛点。该模型在保持...

阿里巴巴国际数字商务团队推出的开源语音合成框架 Marco-Voice，以“说话人-情感解耦”为核心创新，整合语音克隆、情感可控合成、跨语言生成三大功能，构建了统一且高效的文本转语音系统。该框架通过批...

经过两个多月测试，DeepSeek 正式推出 V3.2 系列模型，包括平衡型主力版本 DeepSeek V3.2 与极致推理增强版 DeepSeek V3.2 Speciale。前者以“推理能力不逊 ...

字节跳动智能创作团队推出的第二代多模态视频模型Vidi2，凭借在时空定位、时间检索和视频问答三大核心能力上的突破，打破了传统视频模型在长视频理解和精细交互上的局限。该模型不仅在核心任务中实现对Gemi...