音频生成
音频,audio
Karpathy更新AI科普视频，网友：原本周末打算结个婚，改看视频了
Andrej Karpathy发布了一部时长2小时18分钟的教学视频，系统性地解析大型语言模型（LLM）的实践应用方法。该视频以普通用户为对象，聚焦如何通过LLM提升工作...
微软Phi-4家族新增两位成员，5.6B多模态单任务超GPT-4o，3.8B小模型媲美千问7B
微软于2024年底推出的Phi-4模型家族新增Phi-4-multimodal和Phi-4-mini两个成员，标志着小型语言模型在性能与效率上的重大突破。140亿参数的Phi-4使用40%合成...
AI说书媲美真人！豆包语音大模型升级长上下文理解
豆包语音模型团队通过技术革新实现了AI合成语音在小说演播场景的突破性进展。基于改进的Seed-TTS框架，该系统无需人工标注标签即可端到端生成高自然度语音，...
阶跃生态开放日：聚焦智能终端 Agent，率先布局端侧全产业
阶跃星辰在首届Step UP生态开放日上展示了其在智能终端Agent领域的战略布局与技术突破，重点围绕汽车、手机、IoT和具身智能四大场景展开深度合作与创新。公司...
全网首发｜一手内测字节OmniHuman-1，这就是当今最强的AI数字人。
字节跳动推出的OmniHuman-1模型近期开启内测，其通过单张人物图像与音频输入生成动态视频的能力引发广泛关注。该技术不仅实现高精度唇形同步，还突破性地支持...
“大模型六虎”阶跃星辰3月将开源图生视频模型｜钛媒体AGI
在首届Step UP生态开放日上，阶跃星辰公布了多项技术进展与战略规划。创始人姜大昕强调，公司正通过多模态与推理能力双轮驱动，推进AGI技术路线。今年3月将开...
突发，Grok-3免费上线！答对9.11和9.9谁大，1分攻克MIT积分难题
Grok-3的开放使用引发科技界广泛关注，其性能表现与争议成为焦点。作为首个宣称使用20万块GPU训练的大模型，Grok-3免费开放DeepSearch和Think两大模式，但在...
最大参数 300 亿！阶跃星辰与吉利联合开源两款多模态大模型
阶跃星辰与吉利汽车集团联合宣布，将Step系列多模态大模型向全球开发者开源。此次开源包含参数量达300亿的Step-Video-T2V视频生成模型，以及产品级开源语音交...
OpenAI CTO的新创业公司，我没理解要干嘛。
Mira Murati与多位OpenAI前高管共同创立的人工智能初创公司Thinking Machines Lab，正致力于开发增强人类与机器协作能力的多模态AI系统。该公司的核心目标是...
全球最大开源视频模型，现在也Created in China了，阶跃出品
阶跃星辰与吉利汽车集团联合开源两款多模态大模型——Step-Video-T2V和Step-Audio，引发行业关注。Step-Video-T2V是目前全球参数量最大的开源视频生成模型，采...
