模型

在虚拟人交互与语音合成领域，兼顾低延迟、高保真语音克隆、多轮对话理解的模型一直是技术难点。由FlashLabs开发的 Chroma 1.0 正是一款突破性的多模态因果语言模型，它不仅能直接处理音频输入...

智谱 AI 正式推出 GLM-4.7-Flash——一款基于 30B 总参数、激活 3B（A3B）的稀疏混合专家（MoE）架构 的大语言模型。它在高性能与高效率之间取得出色平衡，成为本地部署场景下理想...

Liquid AI 正式推出 LFM2.5 系列模型，这是该团队针对边缘 AI 部署打造的新一代旗舰产品，基于 LFM2 设备优化架构升级而来，实现了 1B 级模型能力边界的重大突破。此次发布覆盖基础...

两年前，复杂的推理任务还需要依赖数据中心。如今，Liquid AI 发布的 LFM2.5-1.2B-Thinking 模型，让这一切在任何拥有 900MB 可用内存的手机上成为可能。 地址：https...

如果你曾幻想过——只需输入一段歌词和一句描述（如“一首欢快的流行歌，吉他伴奏，副歌要有电子音效”），AI 就能生成一首结构完整、音质高保真的歌曲——那么 HeartMuLa 项目正将这一愿景变为现实...

在虚拟角色、游戏动画或人机交互中，如何让 AI 根据自然语言描述生成逼真且可控的人体动作，一直是计算机图形学与 AI 领域的挑战。现有方法大多只能生成整体动作（如“走路”“跳舞”），难以对手臂、腿部...

谷歌发布 TranslateGemma —— 一套基于 Gemma 3 构建的全新开源翻译模型家族，包含 4B、12B 和 27B 三种参数规模，支持 55 种语言 的高质量互译。更重要的是，它在效率...

黑森林实验室（Black Forest Labs）今日正式推出 FLUX.2 [klein] 模型系列——这是目前速度最快、体积最小的高质量图像生成模型家族。它将文生图、图像编辑与多参考图生成统一于单...

智谱AI推出的GLM-TTS是一款基于大语言模型的文本到语音合成系统，创新性采用LLM+Flow模型的两阶段架构，不仅实现了零样本语音克隆、流式推理等实用功能，还通过多奖励强化学习框架，大幅提升了语音...

智谱AI正式推出GLM-Image——业界首个开源的工业级离散自回归图像生成模型。这款模型创新性地采用自回归模块+扩散解码器的混合架构，既继承了自回归模型对复杂语义的精准理解能力，又兼具扩散模型高保真...

在大模型普遍走向百亿、千亿参数的今天，腾讯优图实验室推出了一款仅 1.96B 参数的轻量级语言模型——Youtu-LLM。它不追求规模堆砌，而是以 STEM 能力与原生智能体（Agentic）能力为核...

ElevenLabs 正式发布 Scribe v2——一款专为大规模音视频内容处理设计的新一代语音转文字模型。与主打低延迟的 Scribe v2 Realtime 不同，Scribe v2 面向批量转...