谷歌Gemini CLI工具1.2.0版本发布：新增音视频支持但功能尚未完全开放
深度解析谷歌Gemini CLI 1.2.0版本更新内容，包括技术栈升级、新增功能及使用限制。了解这款基于Gemini 2.5 Pro的多模态AI命令行工具如何提升开发效率，以及其未来的音视频支持计划...
排序
谷歌Veo 3重磅升级：图像转视频技术颠覆内容创作，支持同步音频生成
深度解读谷歌Veo 3最新图像转视频技术：揭秘如何通过单张图片生成带同步音频的影视级动态内容，分析其多模态架构、行业应用场景及商业化前景，涵盖功能使用指南与技术突破细节。
Flowith推出多模态AI人生模拟器flolife.me，革新游戏体验
Flowith团队发布多模态AI人生模拟器flolife.me，结合多模态画布和Multi-Agent技术，提供自定义角色和动态人生轨迹生成。了解AI如何革新游戏体验，支持社交分享，并探讨未来在教育仿...
淘宝灰度测试“AI万能搜”功能：用自然语言交互重构电商搜索
深度解读淘宝“AI万能搜”功能：基于自然语言交互和多模态内容生成，重构电商搜索逻辑，覆盖穿搭推荐、商品对比等场景，技术整合大模型与协同过滤算法，推动行业搜索模式变革。
阿里云通义万相开源Wan2.2-Animate动作生成模型，单图驱动视频生成实现技术突破
阿里云通义万相团队开源Wan2.2-Animate动作生成模型，突破单图生成动态视频技术，支持文本指令控制与4K实时生成，性能超越StableAnimator和Runway商业模型。开发者可通过Git...
谷歌开源AI Agent框架Gemini CLI：命令行终端集成大模型能力
谷歌2025年重磅开源Gemini CLI框架，详解其命令行终端集成Veo视频模型、Imagen图像模型的技术优势，免费政策及与Claude Code的竞争格局，揭示AI编程工具链新趋势。
昆仑万维SkyWork AI技术发布周：六款多模态AI模型震撼亮相，覆盖视频生成至音乐创作
深度解读昆仑万维2025年SkyWork AI技术发布周：六款覆盖视频、3D、音乐等领域的多模态AI模型技术细节、市场反应及商业化前景分析。
谷歌Gemini API全面上线URL Context功能，革新AI文档处理与多模态理解
谷歌Gemini API全面集成URL Context功能，支持直接处理URL内容（网页、PDF、图像），实现34MB大文档解析和多模态理解。本文解析其技术优势、对RAG架构的革新及在数据分析领域的S...
可灵AI 2.1首尾帧功能重磅发布，视频生成效果提升235%突破技术瓶颈
可灵AI推出2.1首尾帧功能，视频生成效果较前代提升235%，GSB评分行业领先，支持复杂运镜与艺术风格切换，已应用于宣传片、AI短剧等场景，全球用户超2200万。
Looki完成千万美元融资，全球首款多模态AI穿戴设备L1将于2025年量产交付
Looki公司完成超千万美元融资，推出全球首款多模态AI穿戴设备L1。199美元轻量化挂坠支持实时环境感知、自动生活记录与Vlog生成，突破传统AI交互模式，适用于健身追踪、亲子沟通等场景，计划202...