模型

在语音生成技术快速迭代的当下，开发者与用户对高保真、可定制、低延迟的语音合成方案需求日益迫切。阿里Qwen项目组推出的 Qwen3-TTS 开源全家桶，凭借音色克隆、音色创造、拟人化语音生成与自然语言...

长期以来，语音对话 AI 面临一个根本性矛盾： 传统级联系统（ASR → LLM → TTS）允许你自定义角色和声音，但对话僵硬、延迟高、无法被打断； 全双工模型（如 Moshi）实现了自然的话轮转换...

在文档数字化处理领域，兼顾高精度转录、轻量化部署、高效推理的OCR模型一直是行业刚需。LightOn AI推出的第二代模型 LightOnOCR-2-1B，以1B参数量实现端到端PDF文档转写能力，不...

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...