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
OmniAudio – 阿里通义推出的空间音频生成模型
OmniAudio 是阿里巴巴通义实验室语音团队推出的从360°视频生成空间音频（FOA）的技术。为虚拟现实和沉浸式娱乐提供更真实的音频体验。通过构建大规模数据集Sphere360，包含超过10.3万个视频片段，涵盖288种音频事件，总时长288小时，为模型训练提供了丰富资源。
阅读全文Auto Think – 快手开源的自动思考大模型
Auto Think是快手Kwaipilot团队开源的KwaiCoder-AutoThink-preview自动思考大模型，模型针对深度思考大模型存在的“过度思考”问题进行了深入研究，提出了一种全新的自动思考模型训练范式，基于传统强化学习算法（GRPO），提出带有过程监督的强化学习方法Step-SRPO，进一步提升模型在复杂任务中的表现。
阅读全文《2024年中国营销行业AI应用发展研究报告》（PDF文件） – AI教程资料
《2024年中国营销行业AI应用发展研究报告》分析了AI技术如何重塑营销行业。报告指出，AI营销已进入以“人”为颗粒度的个性化时代（“千人千面”），基于数据智策、内容智创、资源智投和关系智联四大方向提升全链路效率。
阅读全文AiMakeSong – AI音乐生成平台，自动为歌词配上旋律
AiMakeSong 是基于人工智能的音乐和歌曲生成平台，支持用户通过简单的文本输入或歌词创作来生成高质量的音乐作品。用户可以选择将文字描述转化为音乐，或者将自己创作的歌词转化为完整的歌曲。
阅读全文PlayDiffusion – Play AI开源的音频编辑模型
PlayDiffusion是PlayAI推出的新型音频编辑模型，基于扩散模型技术，专门用在音频的精细编辑和修复。模型将音频编码为离散的标记序列，对需要修改的部分进行掩码处理，用扩散模型在给定更新文本的条件下对掩码区域进行去噪，实现高质量的音频编辑。
阅读全文酷雀AI智能抠图 – AI图片处理工具，精细化抠图
酷雀AI智能抠图是高效便捷的AI图片处理工具。基于先进的AI技术，能快速精准地识别图片中的主体自动去除背景，实现精细化抠图。支持人像、物品或者复杂场景，保留细节如发丝等。
阅读全文OCode – 终端原生AI编程助手，直接在shell环境中运行
OCode 是终端原生 AI 编程助手，为开发者提供深度代码库智能和自动任务执行功能。与本地 Ollama 模型无缝集成，将企业级 AI 辅助直接融入开发流程中。终端原生工作流，能直接在你的 shell 环境中运行
阅读全文DecipherIt – AI研究助手，支持多源研究整合和分析
DecipherIt是AI驱动的研究助手工具，基于智能化手段简化和优化研究过程。工具支持将各种主题、链接和文件转化为AI生成的研究笔记本，提供全面的总结、互动问答、音频概述、可视化思维导图及自动化的FAQ生成等功能。
阅读全文Firesearch – Mendable AI推出的AI深度研究工具
Firesearch 是 Mendable AI 团队推出的 AI 驱动的深度研究工具。基于 Firecrawl 多源网络内容提取技术，结合 OpenAI GPT-4o 的搜索规划和内容生成能力，将复杂的查询分解为多个子问题，分别进行搜索和内容提取。
阅读全文Gemini Fullstack LangGraph Quickstart – 谷歌DeepMind开源的全栈AI研究助手
Gemini Fullstack LangGraph Quickstart 是谷歌DeepMind推出的开源项目，帮助开发者快速搭建基于 Google Gemini 2.5 和 LangGraph 的全栈智能研究助手。
阅读全文DeepSider – AI浏览器插件，免费使用多种顶级AI模型
DeepSider 是集成在浏览器侧边栏的 AI 对话工具，支持用户免费使用多种顶级 AI 模型，如 GPT-4o、Grok3、Claude 3.5 等。支持用户基于简洁的交互完成复杂的任务，包括 AI 搜索、实时问答、内容创作、翻译和代码生成等。
阅读全文CRIC深度智联 – 克而瑞推出的房地产行业首个AI Agent
CRIC深度智联是克而瑞推出的中国首个房地产垂直领域的AI Agent。CRIC深度智联基于克而瑞20年的行业经验和海量数据积累，结合多模态大模型技术，为房地产行业提供智能化解决方案。
阅读全文Jaaz – 开源的AI设计Agent，本地免费Lovart平替项目
Jaaz 是开源的AI设计Agent，本地免费 Lovart 平替项目。具备强大的 AI 设计能力，能智能生成设计提示，批量生成图像、海报、故事板等。
阅读全文VRAG-RL – 阿里通义推出的多模态RAG推理框架
VRAG-RL是阿里巴巴通义大模型团队推出的视觉感知驱动的多模态RAG推理框架，专注于提升视觉语言模型（VLMs）在处理视觉丰富信息时的检索、推理和理解能力。基于定义视觉感知动作空间，让模型能从粗粒度到细粒度逐步获取信息，更有效地激活模型的推理能力。
阅读全文Bing Video Creator – 微软推出AI视频生成工具
Bing Video Creator 是微软推出AI视频生成工具。由OpenAI的Sora模型提供支持，能根据用户输入的文本描述快速生成视频内容。用户只需在Bing移动应用中输入详细的场景描述，包括主体、动作、环境等信息，系统会在短时间内生成对应的视频。
阅读全文Mary Meeker团队推出《人工智能趋势报告》（PDF文件） – AI教程资料
Mary Meeker团队推出的《人工智能发展趋势》报告，全面分析AI技术的爆炸式发展及全球影响。报告指出，AI的用户增长（如ChatGPT在17个月内达到8亿用户）和资本投入（美国六大科技公司2025年AI开支超2000亿美元）远超历史任何技术，性能指标（如MMLU测试准确率89.8%）已接近人类水平。
阅读全文Google AI Edge Gallery – 谷歌推出的AI应用，支持手机端离线运行AI模型
Google AI Edge Gallery 是谷歌推出的实验性应用，支持让用户在本地设备上体验和使用机器学习（ML）及生成式人工智能（GenAI）模型。应用目前支持在 Android设备上运行，无需联网即可使用。
阅读全文TrackVLA – 银河通用推出的纯视觉端到端导航大模型
TrackVLA是银河通用推出的产品级端到端导航大模型。模型具备纯视觉环境感知、语言指令驱动、自主推理和零样本泛化能力，能实现从视觉感知到动作输出的全链路闭环。无需提前建图，在复杂环境中自主导航、灵活避障，根据自然语言指令识别和跟踪目标对象。
阅读全文