智谱AI发布 Kaleido：通过多参考图像生成主体一致视频的 S2V 框架
在主体到视频（Subject-to-Video, S2V）生成任务中，目标是根据用户提供的多张目标主体参考图像和文本提示，合成一段主体身份一致、动作自然、背景可控的视频。尽管近期 S2V 模型取得进展...
排序
智谱AI语音识别模型GLM-ASR双版本登场：云端版精准识别多场景，Nano版开源免费，笔记本/手机均可部署
智谱AI全新发布 GLM-ASR 系列语音识别模型，包含云端部署的 GLM-ASR-2512 与端侧轻量化的 GLM-ASR-Nano-2512 两个版本。其中 Nano 版以 1.5B 紧凑参数规模...
智谱AI开源GLM-TTS：LLM驱动的高质量TTS系统，支持零样本克隆与情感增强
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发布GLM-4.7：聚焦编程、工具使用与多轮推理
智谱AI最新发布的 GLM-4.7 在多个关键维度实现突破，特别是在开发者关注的编程、工具调用与复杂推理能力上，带来可观的性能提升。本文将系统梳理 GLM-4.7 的主要改进，并说明如何快速接入与使用...
智谱AI开源GLM-4.6V：128K上下文视觉语言模型，原生工具调用打通感知与执行链路
智谱AI正式推出并开源 GLM-4.6V 系列多模态大语言模型，包含面向云端与高性能集群的 GLM-4.6V (106B) 基础模型，以及针对本地部署和低延迟场景优化的 GLM-4.6V-Flash ...
智谱AI提出 SSVAE：通过谱结构优化提升视频VAE“可扩散性”的新方法
在基于扩散模型的视频生成系统中，视频变分自编码器（VAE） 扮演着关键角色：它将像素空间视频压缩到潜在空间，供扩散模型高效训练。然而，现有视频 VAE 的设计往往过度聚焦于重建保真度，却忽视了一个更根...
