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
GLM-4.1V-Thinking – 智谱AI开源的视觉语言模型系列
GLM-4.1V-Thinking是智谱AI推出的开源视觉语言模型，专为复杂认知任务设计，支持图像、视频、文档等多模态输入。模型在GLM-4V架构基础上引入思维链推理机制，基于课程采样强化学习策略，系统性提升跨模态因果推理能力与稳定性。
阅读全文Mozart AI – AI音乐创作应用，上传照片生成个性化歌曲
Mozart AI是创新的AI音乐创作应用，由土耳其公司NineG推出。应用基于AI技术，将用户的照片转化为独特的歌曲。用户只需上传照片，选择喜欢的音乐类型和风格，点击“创建”，Mozart AI能生成个性化的旋律和歌词。
阅读全文MirrorMe – 阿里通义推出的音频驱动肖像动画框架
MirrorMe是阿里通义实验室推出的实时、高保真音频驱动肖像动画框架。框架基于LTX视频模型，结合三项关键创新，身份注入机制、音频驱动控制模块和渐进式训练策略，解决实时生成高保真、时间一致动画视频的挑战。
阅读全文寸止 – 开源AI对话增强工具，智能拦截AI提前终止对话
寸止是开源的AI对话增强工具，能解决AI助手提前终止对话的问题。工具具备智能拦截功能，当AI想要结束对话时，自动弹出继续选项，让用户能深入交流。寸止支持记忆管理，支持按项目存储开发规范和偏好，提供简介的交互界面，支持Markdown和多种输入方式。
阅读全文01Agent
01Agent 是面向中小团队的一站式 AI 营销内容创作智能体，用户输入一句需求，可批量生成小红书图文、社媒推文、商品套图、海报、电商详情页、PPT、营销视频等物料，能在无限画布中二次编辑、排版，支持导出高清图、PDF、PPT、PSD、MP4 及一键社媒分发。
阅读全文Picit AI – AI图片生成与编辑平台，快速创建多种设计作品
Picit AI是AI图片处理平台，为用户提供丰富的AI生成图片和编辑工具。支持用户平台快速创建多种设计作品，如照片、标志、3D模型、插图、T恤设计、社交媒体帖子等。平台提供各种设计模板，满足不同场景的需求。
阅读全文BlenderFusion – 谷歌DeepMind推出的生成式视觉合成框架
BlenderFusion是Google DeepMind推出的生成式视觉合成框架，将传统的 3D 编辑软件（Blender）与AI 模型相结合，实现精准的几何编辑和多样的视觉合成。
阅读全文ML-Master – 上海交大推出的AI专家Agent
ML-Master是上海交通大学人工智能学院Agents团队推出AI专家智能体。在OpenAI的权威基准测试MLE-bench中表现出色，以29.3%的平均奖牌率位居榜首，超越了微软的RD-Agent和OpenAI的AIDE等竞争对手。
阅读全文ThinkSound – 阿里通义推出的首个CoT音频生成模型
ThinkSound是阿里通义语音团队推出的首个CoT（链式思考）音频生成模型，用在视频配音，为每一帧画面生成专属匹配音效。模型引入CoT推理，解决传统技术难以捕捉画面动态细节和空间关系的问题，让AI像专业音效师一样逐步思考，生成音画同步的高保真音频。
阅读全文蚂蚁PPT – 在线AI PPT生成平台，自动生成完整PPT
蚂蚁PPT是基于人工智能技术的在线AI PPT生成平台，帮助用户快速、高效地创建演示文稿。用户只需输入主题或关键词，系统能自动生成包含大纲、内容和设计的完整PPT初稿。
阅读全文RecGPT – 淘天集团推出的百亿参数推荐大模型
RecGPT是淘天集团推出的百亿参数推荐大模型。现已全面接入手机淘宝首屏“猜你喜欢”信息流，基于融合多模态认知、用户行为分析及实时热点理解，精准捕捉用户长期兴趣与动态需求。例如，若用户曾购买婴儿相关商品，RecGPT预估宝宝成长阶段，提前推荐适龄商品。
阅读全文MAI-DxO – 微软推出的AI医疗诊断系统
MAI-DxO（Microsoft AI Diagnostic Orchestrator）是微软推出的先进人工智能系统，能提升医疗诊断的准确性和效率。基于模拟一组具有不同诊断方法的虚拟医生协作解决复杂的医疗案例。MAI-DxO能提出后续问题、订购检查，在获取新信息后更新推理，逐步缩小诊断范围。
阅读全文华文笔杆
华文笔杆是专业的AI公文写作工具，专为政企笔杆子设计，提供从起草到定稿的全流程支持。具备以稿写稿、会议纪要、AI公文写作等功能，可一键生成通知、报告、讲话稿等多种公文。华文笔杆支持格式排版、文章润色，能覆盖多种写作场景。
阅读全文Dyad – 开源AI应用构建工具，支持全栈应用开发
Dyad 是免费、本地、开源的 AI 应用构建器，Dyad支持多种 AI 模型，包括 Gemini 2.5 Pro、OpenAI 的 GPT-4.1、Claude Sonnet 3.7 等，支持用户用自己的 API 密钥。
阅读全文Speakr – 免费AI会议助手，本地完成数据处理
Speakr是开源免费的AI会议助手，支持确保数据绝对私密的前提下，自动化完成会议录音转写、内容摘要提炼与智能问答。Speakr无需联网就能运行，所有数据处理均在本地完成，彻底杜绝商业机密或敏感对话泄露的风险。
阅读全文Qwen-TTS – 阿里通义推出的语音合成模型
Qwen-TTS是阿里通义推出的语音合成模型，具备自然、稳定、快速的特点。模型能根据文本和音色参数输出高质量音频，支持中英文及方言合成，如北京话、上海话、四川话等。模型基于大规模语料训练，生成效果接近人类水平。
阅读全文XVerse – 字节跳动推出的多主体控制图像生成模型
XVerse是字节跳动智能创作团队推出的新型多主体控制图像生成模型。模型在文本到图像生成领域实现对多个主体身份和语义属性（如姿势、风格、光照）的精细控制，同时保持生成图像的高质量和一致性。
阅读全文圆周旅迹 – AI旅行规划应用，自动生成合理个性化行程
圆周旅迹是专注于旅行规划的智能应用，帮助用户高效、便捷地安排旅行行程。通过简洁直观的界面设计和强大的AI功能，让用户能快速输入目的地、时间等信息，自动生成合理且个性化的行程安排。
阅读全文