AI文章
AI文章
整理 AI 项目、模型、工具和行业动态，给出更容易读懂的背景与使用参考。
内容精选
最新 AI 文章
Hunyuan-MT-7B – 腾讯混元开源的翻译模型
Hunyuan-MT-7B 是腾讯混元团队发布的轻量级翻译模型，参数量仅 70 亿，支持 33 个语种及 5 种民汉语言/方言互译。在国际计算语言学协会（ACL）WMT2025 比赛中拿下 31 个语种比赛中的 30 个第 1 名，表现卓越。
阅读全文LavieAI – AI模特换装平台，提供潮流趋势分析
LavieAI是专注于AI模特智能换装技术的平台。提供一系列创新的AI驱动服务，为时尚和服装行业提供高效、低成本的解决方案。LavieAI的AI模特技术拥有海量的虚拟模特资源，结合行业领先的模型算法，能实现高质量的商品展示效果
阅读全文AudioStory – 腾讯ARC推出的音频生成模型
AudioStory 是腾讯 ARC 实验室发布的音频生成技术，能根据自然语言描述生成高质量的长篇叙事音频。采用分而治之策略，将复杂叙事请求拆解为有序子任务，通过解耦桥接机制，精准协调语义与音效细节。
阅读全文Step-Audio 2 mini – 阶跃星辰开源的端到端语音大模型
Step-Audio 2 mini 是阶跃星辰发布的开源端到端语音大模型。突破传统语音模型结构，采用真端到端多模态架构，直接将原始音频输入转化为语音响应输出，时延更低，能理解副语言信息与非人声信号。
阅读全文MobileCLIP2 – 苹果开源的端侧多模态模型
MobileCLIP2是苹果公司研究人员推出的高效端侧多模态模型，是MobileCLIP的升级版本。在多模态强化训练方面进行了优化，通过在DFN数据集上训练性能更优的CLIP教师模型集成和改进的图文生成器教师模型，进一步提升了模型性能。
阅读全文InternVL3.5 – 上海AI Lab开源的多模态大模型
InternVL3.5（书生·万象3.5）是上海人工智能实验室开源的多模态大模型，模型在通用能力、推理能力和部署效率上全面升级，提供从10亿到2410亿参数的九种尺寸版本，覆盖不同资源需求场景，包含稠密模型和专家混合模型（MoE），是首个支持GPT-OSS语言模型基座的开源多模态大模型。
阅读全文如何自定义AI配音音色，MiniMax语音“音色设计”一句话生成
最近我发现了一个给视频配音的邪修思路。用 AI 就能生成真人感满满的声音。普通的 AI 配音人机味太重！MiniMax语音发音的抑扬顿挫、情绪就拿捏得很到位，听起来就像是真人在说话。今天就跟大家分享一些我自己摸索出来的邪修配音小技巧~无论是自己录视频、博客，语音相关的内容，都能派上用场。
阅读全文PrompterHub – 免费的AI提示词管理平台，覆盖多领域
PrompterHub是免费的AI提示词管理平台，帮助用户更高效地使用AI工具。提供文字、图片、代码等多种类型的提示词模板，满足不同场景需求。用户可在社区浏览2000+创作者分享的提示词，通过分类筛选、收藏和点赞找到合适内容。
阅读全文TemPolor – AI音乐生成平台，快速生成无版权作品
TemPolor是AI音乐生成平台，能快速地根据用户的需求创造出免版权的音乐作品。用户可以通过输入文字描述、上传图片、视频、MIDI文件或哼唱旋律等多种方式来生成音乐。平台拥有超过50万首免版权曲目，支持多种情绪、流派和BPM的搜索，帮助创作者轻松找到或定制符合项目需求的音乐。
阅读全文VisionRay – 大鹏DPVR推出的AI眼镜
VisionRay是大鹏DPVR是集成先进影像技术和智能功能的AI眼镜，专为亚洲用户设计，提供三款配色版本，具有时尚的外观和轻盈舒适的佩戴体验。
阅读全文VibeFlow – AI无代码开发平台，自然语言构建全栈Web应用
VibeFlow 是创新的无代码开发平台，支持用户通过自然语言描述来构建全栈 Web 应用。用户只需输入简单的提示词，VibeFlow 的 AI 引擎能自动生成完整的后端逻辑，以可视化工作流的形式呈现出来。用户可以轻松地查看、编辑和扩展应用逻辑，无需编写代码。
阅读全文ReadyBase – AI PDF生成平台，自动布局生成个性化文档
ReadyBase 是在线 AI 驱动的PDF生成工具，将原始数据或提示快速转换为精美的 PDF 文档。用户只需输入文字、数据或图片等信息，平台会根据内容自动生成排版清晰、逻辑合理的文档，提供多种模板供选择。
阅读全文MAI-1-preview – 微软推出的端到端训练基础模型
MAI-1-preview 是微软人工智能团队推出的端到端训练的基础模型，为用户提供遵循指令和回答日常查询的能力。
阅读全文MAI-Voice-1 – 微软推出的极速语音生成模型
MAI-Voice-1 是微软人工智能团队推出的首个具有高度表现力和自然的语音生成模型。模型能在单个 GPU 上不到一秒钟内生成一分钟的音频，是目前最高效的语音系统之一。
阅读全文gpt-realtime – OpenAI最新推出的语音模型
gpt-realtime 是 OpenAI 最新推出的先进语音模型，专为实际任务设计。模型能生成高质量、自然的语音，支持多种语言和语音风格，能理解非语言线索并根据场景调整语气。
阅读全文Typeless
Typeless是创新的AI语音输入工具，专为提升工作效率和表达流畅性设计。能实时将语音转换为精准的文本，自动去除“嗯”“呃”等填充词和重复内容，转录文本简洁、专业。
阅读全文pillowtalk – AI语音日记应用，科学引导缓解压力
pillowtalk是注重隐私的语音日记应用，能通过科学引导帮助用户缓解压力、改善睡眠。应用支持用户语音或文字记录日记，支持99种语言的转录，并提供个性化见解。
阅读全文Meeseeks – 美团开源的模型指令遵循能力评测集
Meeseeks 是美团 M17 团队开源的大模型评测集，用在评估模型的指令遵循能力。Meeseeks通过三级评测框架，从宏观到微观全面衡量模型是否能严格按照用户指令生成回答，不评估回答内容的知识正确性。
阅读全文