Nano Bananary（香蕉超市） 是开源的图像编辑工具，基于 Google Gemini 图像模型开发，支持中文界面和明暗主题切换，提供 50 多种图像转换效果，无需复杂提示...

数说Social Research 是数说故事旗下的全能营销 Agent 工具，依托领先大模型技术，接入海量社交媒体数据，能快速解答营销、市场、消费者口碑等专业问题并生成...

今天要聊的主角是——Bilibili的IndexTTS2语音模型。作为一款专为语音合成设计的AI工具，IndexTTS2自2025年发布以来，已经迅速吸引了大量关注，特别是在情感控...

如今，AI眼镜被不少人看作是下一代智能终端的潜力股，市场潜力肉眼可见。但仔细观察就会发现，这个行业还处在起步阶段，面临着不少让人头疼的问题。清华大学...

引言：亚洲支付市场的黄金时代 2025年，亚洲数字支付市场正经历着前所未有的变革浪潮。印度数字支付市场预计到2030年将达到9580亿美元，年复合增长率高达18.5...

我是小陶。一个专注AI学习成长、致力于用AI工具提升效率的自媒体人。最近，豆包推出了新一代的图像创作模型【Seedream 4.0】。小陶也分享豆包4.0在“单图图生...

小红书发布FireRedTTS-2，助力AI播客制作简介：小红书智创音频团队推出FireRedTTS-2，一款先进的对话合成模型，显著提升语音合成的自然度和真实感。它支持音...

Evoker 是一站式 AI 创作平台，激发创意灵感并加速创作过程。支持文本、图像和视频生成，提供多模态创作体验。用户可以在一个聊天框中轻松创作和完善作品，平...

Nano Banana最近大家应该都玩的很溜了，搞来搞去就那些玩法，可能新鲜感也弱了些。AI大部分的新东西都有这个特点，刚出来的时候大家都感觉很有趣，跟风去玩，...

InfiniteTalk是美团视觉智能部推出的新型数字人驱动技术，通过稀疏帧video dubbing范式，仅需少量关键帧能驱动数字人人生成自然流畅的视频，解决传统技术中口...

LLaSO（Large Language and Speech Model）是北京深度逻辑智能科技有限公司推出的全球首个完全开源的语音模型，能解决大型语音语言模型（LSLM）领域长期存在...

混元3D 3.0是腾讯最新发布的先进的3D生成模型。采用了首创的3D-DiT分级雕刻技术，能生成超高清的3D几何结构，建模精度提升3倍，几何分辨率高达1536³，支持36...

周六在杭州有一个 GOSIM 大会。这个大会上，清华大学联合中软评测中心发布了《2025 大模型服务性能排行榜》。这个排行榜挺有意思的，它不是对比各个 AI 大模...

凌晨一点，OpenAI 发布了 GPT-5-Codex，但这次，所有想调用 API 的开发者可能要失望了。OpenAI 做了一个决定：Codex 并不通过 API 开放。你不能靠 key 来偷偷...

Lumina-DiMOO是上海人工智能实验室等机构开源的新一代多模态生成与理解模型。模型采用全离散扩散架构，统一处理文本、图像等多模态数据，支持文本到图像生成...