PromptEnhancer是騰訊混元團隊開源的用在提升文本到圖像（T2I）模型的提示重寫框架，通過思維鏈（Chain-of-Thought，CoT）提示重寫和專用的獎勵模型AlignEval...

MasterGo Agent是MasterGo AI推出的全球首個數字界面生產級AI Agent，支持基于設計系統（DSM）的文生UI，能調用團隊已有設計規范，實現高效協作和生產。

Nano Bananary（香蕉超市） 是開源的圖像編輯工具，基于 Google Gemini 圖像模型開發，支持中文界面和明暗主題切換，提供 50 多種圖像轉換效果，無需復雜提示...

數說Social Research 是數說故事旗下的全能營銷 Agent 工具，依托領先大模型技術，接入海量社交媒體數據，能快速解答營銷、市場、消費者口碑等專業問題并生成...

今天要聊的主角是——Bilibili的IndexTTS2語音模型。作為一款專為語音合成設計的AI工具，IndexTTS2自2025年發布以來，已經迅速吸引了大量關注，特別是在情感控...

如今，AI眼鏡被不少人看作是下一代智能終端的潛力股，市場潛力肉眼可見。但仔細觀察就會發現，這個行業還處在起步階段，面臨著不少讓人頭疼的問題。清華大學...

引言：亞洲支付市場的黃金時代 2025年，亞洲數字支付市場正經歷著前所未有的變革浪潮。印度數字支付市場預計到2030年將達到9580億美元，年復合增長率高達18.5...

Evoker 是一站式 AI 創作平臺，激發創意靈感并加速創作過程。支持文本、圖像和視頻生成，提供多模態創作體驗。用戶可以在一個聊天框中輕松創作和完善作品，平...

InfiniteTalk是美團視覺智能部推出的新型數字人驅動技術，通過稀疏幀video dubbing范式，僅需少量關鍵幀能驅動數字人人生成自然流暢的視頻，解決傳統技術中口...

LLaSO（Large Language and Speech Model）是北京深度邏輯智能科技有限公司推出的全球首個完全開源的語音模型，能解決大型語音語言模型（LSLM）領域長期存在...

混元3D 3.0是騰訊最新發布的先進的3D生成模型。采用了首創的3D-DiT分級雕刻技術，能生成超高清的3D幾何結構，建模精度提升3倍，幾何分辨率高達15363，支持36...

周六在杭州有一個 GOSIM 大會。這個大會上，清華大學聯合中軟評測中心發布了《2025 大模型服務性能排行榜》。這個排行榜挺有意思的，它不是對比各個 AI 大模...

凌晨一點，OpenAI 發布了 GPT-5-Codex，但這次，所有想調用 API 的開發者可能要失望了。OpenAI 做了一個決定：Codex 并不通過 API 開放。你不能靠 key 來偷偷...

Lumina-DiMOO是上海人工智能實驗室等機構開源的新一代多模態生成與理解模型。模型采用全離散擴散架構，統一處理文本、圖像等多模態數據，支持文本到圖像生成...

UnifoLM-WMA-0 是宇樹科技開源的跨多類機器人本體的世界模型 - 動作架構，專為通用機器人學習設計。核心是世界模型，能理解機器人與環境的物理交互，具備仿真...