百度蒸汽机2.0全球首发多人有声视频生成，成本直降70%
百度蒸汽机MuseSteamer 2.0实现全球首个多人有声中文视频一体化生成，采用多模态时空规划技术，支持电影级画质与高精度语音还原，成本降低70%，已通过百度搜索、绘想平台开放商用。
排序
Suno V5震撼发布：AI音乐创作迈入专业录音棚时代，人声表现力实现重大突破
深度解析Suno V5 AI音乐生成模型的突破性技术：沉浸式音频体验、情感化人声表现、精细化创作控制功能，探讨其对音乐产业工作流程和创作者角色的变革性影响。
华为鸿蒙AI超级智能体即将登陆Pura 80系列，开启智能体产业化元年
华为鸿蒙AI超级智能体将于本月在Pura 80系列手机首发上线，标志着2025年智能体产业化元年。该技术实现跨应用自主决策，交互效率提升200%，相关概念股表现活跃，产业链合作加速，有望推动新一轮换机...
李沐团队开源语音大模型Higgs Audio V2：多语言对话生成与零样本克隆技术解析
深度解读李沐团队开源的Higgs Audio V2语音大模型：该模型以75.7%情感表达胜率刷新TTS基准，实现5秒音色克隆与多角色情感对话，将重塑智能客服、虚拟主播等场景的语音交互体验。
月之暗面开源万亿参数MoE模型Kimi K2，AI领域迎来新旗舰
月之暗面于2025年7月11日发布并开源新一代MoE架构基础模型Kimi K2，该模型以1万亿总参数规模成为开源领域旗舰产品，在编程、智能体任务及工具调用等核心能力维度实现显著突破。本文详细解读Kim...
全球首个AI原生游戏引擎Mirage发布，开启游戏开发新纪元
Dynamics Lab发布全球首个AI原生游戏引擎Mirage，支持通过自然语言或简单指令动态生成游戏内容，彻底改变传统游戏开发模式，开启UGC2.0新时代。
华人团队打造AI设计黑马Readdy.ai：高完成度界面生成工具引领行业变革
深度解析Readdy.ai核心技术：这款由蓝湖团队打造的AI设计工具如何通过网格系统优化、智能配色算法实现90%初稿可用率，并支持React/Vue多框架输出。了解其快速占领海外市场的6大竞争优势。
生数科技Vidu Q1视频大模型：多元素同框与零分镜生成技术颠覆视频制作
生数科技Vidu Q1视频大模型通过参考生功能实现多元素同框、角色一致性强化及零分镜视频生成，显著降低专业视频制作门槛，成本仅为传统方法的1/30，已在电商广告、影视动漫等领域展开内测，推动视频生产范...
智谱科技发布工业级文本转语音模型GLM-TTS：3秒音色克隆、10万小时低数据训练，开源语音合成新标杆
智谱科技发布开源工业级文本转语音模型GLM-TTS，实现3秒音色克隆、10万小时低数据训练需求，字错误率低至0.89%。模型已应用于教育、客服等场景，训练成本降低50%以上，助力语音合成技术普惠化。
阿里开源3D数字人框架Mnn3dAvatar，支持面部捕捉和3D 虚拟角色动画映射
阿里巴巴近日正式开源3D数字人框架Mnn3dAvatar，该技术基于自研的3D高斯溅射算法，实现了高精度实时面部捕捉与虚拟角色动画映射，标志着消费级硬件迈入影视级数字人应用时代。