模型

对于研究人员来说，将一篇论文转化为一场高质量的学术演示视频，往往意味着数小时的设计、录制与剪辑——即使最终视频只有5到10分钟。 幻灯片排版、语音同步、字幕对齐、讲解节奏控制……这些重复性工作消耗大量...

在小型语言模型（SLM）加速落地的趋势下，以色列AI公司 AI21 Labs 推出其最新力作——Jamba Reasoning 3B。 模型：https://huggingface.co/ai21la...

一个仅含 700万参数 的神经网络，如何在性能上匹敌甚至超过参数量高达其 10,000倍 的大语言模型？ 这不是理论设想，而是现实。 三星先进技术研究院（SAIT）蒙特利尔分部的高级AI研究员 Ale...

蚂蚁集团百灵大模型团队正式推出其新一代通用语言模型——Ling-1T。作为“百灵”Ling 2.0 系列的首款旗舰级非思考（non-thinking）模型，Ling-1T 拥有 总计1万亿参数，单次推...

尽管当前文生视频模型在短片段合成上取得进展，但在生成结构严谨、知识准确、视觉连贯的教育视频方面仍面临挑战。这类内容不仅要求语义正确，还需具备清晰的空间布局、逻辑动画过渡和教学节奏控制。 为此，新加坡国...

由加州大学伯克利分校、麻省理工学院、斯坦福大学、德克萨斯大学奥斯汀分校与 First Intelligence 联合研发的 StreamDiffusionV2 正式开源。这是一个面向交互式直播场景的实...

谷歌发布一款名为 Gemini 2.5 Computer Use 的新型 AI 模型，能够通过浏览器窗口执行点击、滚动、输入文本等交互操作，帮助用户在那些没有开放 API 的网站上自动完成任务。 这项...

在大模型竞赛普遍追求参数规模和算力投入的背景下，一个名为 Apriel-1.5-15B-Thinker 的新开源模型带来了不同的思路：它不依赖强化学习或偏好优化，也不从零训练，而是通过精心设计的中期训...

在智能助手和客户服务场景中，用户希望与AI的对话像人与人交流一样自然——可以随时插话、打断、继续，而系统能即时响应。要实现这种体验，需要真正的全双工语音交互能力。 然而，现有方案存在明显短板： 端到端...

IBM 正式推出其最新开源语言模型系列 Granite 4.0，标志着企业在追求高性能与低推理成本之间的平衡上迈出关键一步。 这一代模型不再依赖传统的纯 Transformer 架构，而是采用创新的 ...

长期以来，高质量的文本转语音（TTS）能力主要依赖云端 API——虽然效果好，但存在延迟高、隐私风险、网络依赖等问题。 现在，一种新的选择正在出现：在本地设备上实现自然听感的语音合成。 NeuTTS ...

NineNineSix 团队近日推出 KaniTTS ——一个专为低延迟、高保真语音合成设计的开源文本到语音（TTS）系统。 GitHub：https://github.com/nineninesix...