多模态AI

谷歌相册6.48版本推出AI图生视频自定义提示词功能，用户可通过自然语言指令精准控制视频生成方向，基于Veo 3模型的技术升级使生成准确率提升40%，实现从随机创作到精准定制的跨越。

趣丸科技正式推出国内首个对话式音乐创作Agent Tunee，支持自然语言交互生成完整音乐作品，包含AI作曲、编曲、人声合成及MV制作功能，公测期间免费使用。

深度揭秘苹果秘密研发的Manzano多模态AI模型：具备图像理解与生成双重能力，技术指标接近行业领先的GPT-4o和谷歌Gemini 2.5 Flash Image。分析苹果如何挑战现有AI市场格局...

深度解析苹果Manzano多模态AI模型的混合分词器架构、35亿参数性能表现及其在iOS系统中的战略意义，对比GPT-4o技术优势。

OpenAI被曝正在测试基于GPT-5模型的全新AI智能体GPT-Alpha。该技术突破传统生成式AI边界，支持文本、代码、图像多模态协同处理，具备高级推理与工具使用能力。本文详解其核心功能、应用场景...

本文深度解析谷歌Mixboard AI工具的核心功能与技术优势，探讨其如何通过Gemini 2.5 Flash模型和自然语言交互，为家居设计、活动策划等场景提供高效可视化解决方案。

阿里巴巴正式发布通义万相Wan2.5 Preview模型，突破多模态AI生成技术，实现音画同步的10秒1080P视频生成能力，支持文生视频、图生视频等核心功能，大幅降低影视内容制作成本。

谷歌Gemini AI助手正式登陆Google TV平台，支持自然语言交互的个性化影视推荐、剧情回溯及跨设备生态联动。本文详解Gemini在电视端的功能特性、支持机型及对智能家居生态的影响。

生数科技完成数亿元A轮融资，领跑多模态AI赛道。Vidu模型覆盖200+国家，年收入超2000万美元。融资助力技术研发与全球商业化，对标Google Nano Banana。

Luma AI推出全球首款多模态推理视频模型Ray3，支持16位HDR生成、4K输出与智能修正功能，深度集成Adobe工作流。了解其技术优势、商业应用及对AI视频行业的影响。