人工智能技术

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。

华为昇腾生态完成阿里云通义千问Qwen3-VL-30B-A3B多模态模型的0day适配，实现发布即适配。该模型具备视觉代理、代码生成等能力，在昇腾平台推理效率提升40%，助力企业降低多模态AI应用门槛...

Hcompany发布Holo1.5开源多模态模型系列，720亿参数Holo-72B-UI模型在UI理解任务中达到89.3%完成率，支持自然语言操作Android应用。了解开源模型性能优势、技术特性及商...

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...

快手正式发布可灵2.5 Turbo视频生成模型，实现动作幅度提升30%、成本降低28%的重大突破。该模型强化复杂指令理解能力，提升视觉一致性25%，为短视频创作者提供更经济高效的AIGC解决方案。

阿里国际发布并开源多模态大模型Ovis2.5，9B与2B版本在OpenCompass评测领先，支持动态分辨率与跨模态推理。适用于电商、翻译及终端设备，助力企业低成本AI转型，技术全面开源。

蚂蚁数科在香港金融科技节发布创新多语种多模态大模型训练框架，通过语言感知优化机制提升小语种理解能力，在主流多语言VQA基准测试中准确率提升9.5%，评测总分超越GPT-4o、Gemini等国际主流模型...

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。

深度解析苹果STARFlow AI系统的技术突破：通过标准化流与Transformer融合实现高效图像生成，支持端到端训练与本地化部署，在医疗影像、电商视觉领域具颠覆性潜力。

阿里巴巴通义万相2.6模型正式发布，作为国内首个支持角色扮演的AI视频生成技术，可实现基于人物外观与音色的定制化视频生成，提升至15秒时长，适用于影视、广告及短剧制作，现已上线阿里云百炼平台，助力企业...