Gorden Sun

统计数据

783

文章

0

粉丝

0

获赞

51555

阅读

3个月前

Gemini 3 Flash已经能用了相比Pro版本，速度提升显著，前端效果基本没变，美学依旧领先于其他模型。 ZenMux首发，目前免费，使用地址：

3个月前

Meta开源SAM Audio 能从音频文件中分离出指定的音频，典型的使用场景包括：从歌曲中分离出人声、从多人对话中分离出某个人说话的声音、标记出某个人的声音出现的时间段，可以说是音频编辑的基座模型，非常实用。模型：在线使用：

3个月前

美团开源虚拟人模型LongCat-Video-Avatar 类似字节的OmniHuman 1.5和快手的Avatar 2.0，支持音频驱动照片生成视频（尤其适用于主播和MV）项目地址：模型：

3个月前

AI资讯日报，12月16日：

3个月前

英伟达发布Nemotron 3系列模型分3个版本： Nemotron 3 Nano，30B总参数，激活3B； Nemotron 3 Super，100B总参数，激活10B； Nemotron 3 Ultra，500B总参数，激活50B；目前30B模型已开源，另外2个明年上半年开源。同时开源了训练数据集。模型：

3个月前

One-to-All Animation：让照片动起来能让照片人物，按参考视频的动作动起来，基于Wan2.1训练，效果比Wan2.2 Animate还好一些，支持大幅度的动作复刻。 Github： ComfyUI工作流：

3个月前

AI资讯日报，12月15日：

3个月前

阿里通义开源Fun系列音频模型 Fun-CosyVoice3-0.5B：TTS模型，支持生成9种语言的音频，支持克隆声音，支持流式输入输出。模型： Fun-ASR-Nano：语音识别模型，支持31种语言，支持方言识别，支持实时听写。模型：

3个月前

AI资讯日报，12月14日：

3个月前

AI资讯日报，12月13日：

3个月前

效果没那么稳定，但是Banana Pro确实能把毕加索的立体主义变成现实。

3个月前

AI资讯日报，12月12日：

3个月前

国内直连版Banana Pro，无需VPN，填写key就能用，操作简单，适合小白。买了可以给别人用，搭个人情也不错。所有分辨率都是3毛一张，极具性价比，也可以同时使用我做的AI PPT功能。Banana Pro已经是工具，其他AI绘画还只是玩具。在线使用地址：在线使用AI PPT：体验Key（共100次）：sk-BFLb7Mgol9oCGkXTCm22xSNNIpUSLVDmM1JCSAfziQp8Q0Hi

3个月前

AI生成裸眼3D图点开大图，离屏幕远一些，盯着孙悟空看。

3个月前

AI资讯日报，12月11日：

3个月前

NSFW警告，不要在公开场合外放视频没想到浓眉大眼的谷歌竟然审核也这么松。谷歌的TTS也已经Next Level了，跟11Labs v3差不多的水平。语气自然、情感丰富，能发出拟声词的音。音频由Gemini 2.5 Pro TTS，这个模型现在对文本和音频都没有审核，且玩且珍惜。使用地址：官方介绍：

3个月前

AI资讯日报，12月10日：

3个月前

Mistral开源Devstral 2代码模型分Devstral 2 (123B)和Devstral Small 2 (24B)两个版本，均开源，123B版本评分超过Kimi K2，接近DeepSeek V3.2，参数只有DeepSeek的六分之一。123B版本目前提供免费API。同时发布了Mistral Vibe CLI，命令行的编码工具，类似Claude Code。官方介绍： 123B模型： 24B模型：

3个月前

Mind Lab发布：1000B模型的高效强化学习框架使用LoRA，对1000B MoE模型进行强化学习，相比传统方法，仅使用10%的GPU资源。提升了模型的特定能力，且保留了原始的通用能力。相关代码已被合并到魔搭和英伟达的Github分支。官方介绍：

3个月前

AI资讯日报，12月9日：

3个月前

谷歌不再在AI Studio里提供免费的Gemini 2.5 Pro API，大幅缩减了Gemini 2.5 Flash的API免费次数。缩减了AI Studio开发者渠道的Banana API并发数。都是为了给Vertex腾出TPU，因为Banana Pro太火了。

3个月前

智谱开源AutoGLM 能自动化操作安卓手机的智能体框架，类似豆包手机助手的效果，能理解用户任务、规划动作、读取屏幕并操作。同时开源了底层模型AutoGLM-Phone-9B（基于GLM-4.1V-9B微调）。 Github：

3个月前

AI资讯日报，12月8日：

3个月前

2毛钱，2分钟，一键生成大厂卷王PPT （此类PPT通常由花哨的框架+细致的功能模块堆叠而成，视觉效果高大上，但多少已实现、多少归功于演讲者则不得而知）在线使用：体验Key：sk-8XjfwIIWqM87zb3EqPFb9ccBURjYNLX8B9iOjopHc5uaRDbr 代码、提示词、参考图是开源的，Github：

3个月前

AI资讯日报，12月7日：

... ...