多模态AI

腾讯混元开源视频音效生成模型HunyuanVideo-Foley，通过扩散模型技术实现85%以上音画同步准确率，助力影视与游戏行业降低制作成本，支持环境音与动作音效自动生成。

谷歌发布全新大模型架构Titans和MIRAS，Titans支持超200万token上下文，突破Transformer记忆瓶颈；MIRAS解决多模态对齐问题。两大架构已应用于实际平台，预计2026年商...

深度解析Poe最新推出的AI群聊功能：支持200人同时协作，集成200余个先进AI模型，具备智能调度系统和多设备同步技术，适用于家庭旅行规划、企业团队协作等多场景，重新定义人机交互模式。

谷歌开源T5Gemma 2模型系列，支持视觉-语言多模态输入与128K tokens长上下文处理，基于Gemma 3架构开发。涵盖270M、1B、4B参数版本，在数学推理、医疗文本生成等任务中性能显著...

谷歌Doppl推出基于AI的沉浸式购物模块，通过多模态算法将静态商品转为动态视频，结合虚拟试穿实现全链路消费闭环。本文解析其技术原理、用户数据提升效果及行业差异化策略，探讨生成式AI如何重塑电商未来。

深度解析字节跳动OmniHuman-1.5视频生成模型的技术特性：支持语音驱动、多角色互动与情感感知，突破分钟级动画生成限制，适用于影视、虚拟主播等商业化场景，推动AI内容创作技术发展。

谷歌推出Gemini 3 Flash模型，以Pro版1/4的成本实现3倍运行速度，在MMMU-Pro基准测试中超越GPT-5.2。该模型已集成至Gemini应用与谷歌搜索，标志AI竞赛进入白热化阶段...

谷歌推出Gemini 3 Pro Image多模态AI模型，支持4K分辨率图像生成和对话式迭代编辑，在图像质量提升40%的同时集成Google搜索确保事实准确性，现已在Vertex AI平台开放调用。

深度解析Rokid Glasses AR眼镜的众筹成果与技术优势：49克轻量化设计、多模态AI协同、支付宝声纹支付及高德全场景导航功能，涵盖产品特性、生态合作及全球市场订单数据，为AR行业提供消费级落...

深度解析全球首个AI艺术虚拟走秀《名作艺术秀》的技术突破与行业价值：通过2000万组色彩数据算法还原名画细节，探索AI在艺术创作、文物修复及商业应用中的前沿实践，获卢浮宫等顶级机构关注。