Gorden Sun

统计数据

266

文章

0

粉丝

0

获赞

642

阅读

2个月前

我草ElevenLabs的v3语音模型，已经是Next Level级别了，超越Fish Audio成为最佳中文语音模型，同时也是多语言的首选模型。不知道是不是因为Alpha阶段的原因，现在没有屏蔽NSFW内容。不要在公开场合外放视频！不要在公开场合外放视频！不要在公开场合外放视频！

2个月前

资讯日报，7月12日：

2个月前

Manus搬到新加坡总体讲是好事。之前也有个类似情况的公司，叫HeyGen，从深圳搬到了美国，现在基本是虚拟人领域第一了。为什么说整体是好事？公司：Manus搬到新加坡可以用Claude模型，有机会争取做到世界第一（现在其实很不好用）。员工：没法带到新加坡的员工，赔偿不用说，有Manus这段履历，这些员工也不用愁找不到工作。行业：至于中国的通用智能体，慢一点也没关系，等DeepSeek千问豆包的模型再追一追，智能体的路证实能走通了，字节自然就做好了。

2个月前

米哈游创始人蔡浩宇的AI游戏出Demo了简单玩了下，游戏体验类似豆包+生命线（iOS文字多支线游戏）。像豆包的部分：3D人物说话，有表情，嘴型同步。玩家语音输入，游戏人物根据用户的输入实时给出语音反馈。语音响应很快（有个通信的动画也降低了延迟的感受），应该自己搭建的ASR+LLM+TTS的对话流程。能听懂中文，但是只会说英文。像生命线的部分：每当游戏进度有进展，游戏界面会变成聊天框的形式，打字或者发语音交流。游戏有主线故事，就是帮助人物脱困，你没找到线索也会自动推进剧情。有点AI游戏的雏形了，有主线故事但是没有固定台词，游戏人物有性格设定，说话语气和内容能体现出来，真是期待5年后的AI游戏形态。现阶段的话，有个3D能互动的虚拟人聊天，稍晚加点背景设定，我就挺爱聊的。美区Steam可以玩（我记得当初填Waitlist明明要求iPhone手机），地址：

2个月前

CSDN怎么有脸收费。。。

2个月前

资讯日报，7月11日：

2个月前

Reka Flash 3.1：开源高性价比模型 20B参数，性能接近Qwen 3 32B，非常适合用作本地运行的模型（代码、自动化任务等），也适合进一步微调用于智能体。Reka是一家成立成立不久的小公司，成员基本来自谷歌DeepMind。模型：

2个月前

WebSailor：开源WebAgent 阿里开源，专门执行复杂信息搜索的WebAgent，WebSailor-72B版本目前是开源最佳Web Agent，能力接近豆包Search。 Github：

2个月前

资讯日报，7月10日：

2个月前

资讯日报，7月9日：

#AI乱象不止：内容注水，隐私堪忧· 173 条信息

2个月前

这个动漫科幻风格的sref，效果是真好。MidJourney图片生成视频好像有版权检测，高达没法动起来。 --sref 2007748773

2个月前

Reachy Mini：HuggingFace出品的开源机器人机器人有摄像头、麦克风，能做动作，能接入AI实现基于视频和语音的对话，支持自己编程给机器人做应用，所有资源都会开源。 Lite版本299美元，无线版本449美元。官方介绍：

2个月前

资讯日报，7月8日：

#AI乱象不止：内容注水，隐私堪忧· 173 条信息

2个月前

MCP Toolbox for Databases 谷歌开源的数据MCP工具，可以让Agent连接数据，从而能增删改查数据库。支持多种客户端和数据库。官方文档： Github：

2个月前

资讯日报，7月7日：

#AI乱象不止：内容注水，隐私堪忧· 173 条信息

2个月前

资讯日报，7月6日：

#AI乱象不止：内容注水，隐私堪忧· 173 条信息

2个月前

资讯日报，7月5日：

#AI乱象不止：内容注水，隐私堪忧· 173 条信息

2个月前

MuseSteamer：百度的AI视频模型视频效果整体不错，画质比较高，手部精准。动作幅度一般，幅度比不上可灵2.1，视频帧率较低。目前好像是免费使用，我生成了十几个视频也没提示额度不足。在线使用：

2个月前

AI资讯日报，7月4日：

澎湃AI新闻合辑：未来科技与社会热点交锋· 75 条信息

#AI #资讯日报 #7月4日

2个月前

ThinkSound：音频生成模型输入文本、视频、音频或者这几张类型的组合，生成音频。尤其适合给AI生成的音频配上音效。项目地址： Github：在线体验：

2个月前

OCRFlux：开源最佳PDF识别模型效果非常好，相比其他OCR有几大核心亮点： 1）能自动跨页合并段落和表格（首个实现该功能的开源模型），即使页面底部有注释，也能自动跳转注释的位置。如下方图1和图2 2）识别精准度高，96%的准确率，明显高于olmOCR-7B 3）3B大小的模型，3090单卡可运行 4）Markdown输出格式

2个月前

AI资讯日报，7月3日：

澎湃AI新闻合辑：未来科技与社会热点交锋· 75 条信息

#AI #资讯 #日报

2个月前

X-UniMotion：能实现精细手部动作的视频模型输入参考人物和动作视频，实现参考人物做相同的动作，特色是能复刻复杂、精确的手部动作，几乎看不出瑕疵。目前仅有项目介绍。项目地址：

2个月前

AI资讯日报，7月2日：

#AI乱象不止：内容注水，隐私堪忧· 173 条信息

2个月前

OmniAvatar：音频驱动生成虚拟人视频阿里开源的模型，基于Wan 2.1，通过音频生成虚拟人说话视频，嘴型匹配，有表情有动作。项目地址： Github：