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
Vidu S2 – 生数科技推出的实时交互与编辑视频模型
Vidu S2 是生数科技推出的实时视频模型，发布即开放体验，含两大核心模型，S2-Editing 支持对视频流实时改风格、换装、换角色、换背景，帧对齐技术保证高速运动不穿帮；S2-Avatar 以 720P、25-42FPS 实现实时互动，可随时插入参考图、换装，支持全身动作跟随，
阅读全文Step Audio 3 – 阶跃星辰推出的语音大模型系列
StepAudio 3 是阶跃星辰推出的语音大模型系列，包含 Realtime、ASR、TTS、Gen和 Music五款模型。模型中 Realtime 的语音推理准确率99.7%、ASR 的词错误率1.7%，均在 Artificial Analysis 榜单全球第一。
阅读全文HiDream-O1-Video-1.0 – 智象未来推出的全模态视频生成模型
HiDream-O1-Video-1.0（简称HD-V1）是智象未来（HiDream.ai）推出的原生全模态视频生成模型，支持文本、图片、视频等多模态输入，可一键直出5–20秒1080p视频。
阅读全文Hypit – 开源的 AI 视频生成工具，自动复刻爆款视频
Hypit 是开源的 AI 视频生成工具，核心思路是给 Agent 一条爆款视频，Agent 自动拆解并复刻其完整工作流。工具把视频写成结构化的 .svml 文件，改一句文本，音画字幕自动同步调整。
阅读全文网易UU远程深度体验 – 手机随时远程控制电脑
有了 AI 之后，人好像越来越离不开电脑了。 让 AI 跑个项目，需求发过去，人得在电脑前守着，时不时看一眼任务进度，会不会停在哪一步，需要我手动确认？有没有报错中断？
阅读全文书生-S2 – 上海 AI Lab 开源的多模态基础大模型
书生-S2是上海人工智能实验室开源的多模态基础大模型（397B参数），定位最懂科学的大模型。模型通过Memory Decoder架构引入可插拔专业记忆模块，可在不重训主模型的情况下持续扩展领域知识。
阅读全文UnifoLM-WLA-1.0 – 宇树科技推出的具身多模态大模型
UnifoLM-WLA-1.0是宇树科技推出的6B具身多模态大模型，基于约2500小时真机数据训练，将视觉、语言与动作统一建模，单模型统筹64项桌面与全身移动操作任务。
阅读全文Hologres – 阿里云推出的一站式Agentic多模态检索分析平台
Hologres 是阿里云推出的一站式 Agentic 多模态检索分析平台，兼容 PostgreSQL 协议，支持 PB 级实时写入、更新、OLAP/即席分析与高并发点查。
阅读全文Iris – 小红书 AllSpark 团队开源的搜索智能体
Iris 是小红书 AllSpark 团队开源的搜索智能体，含 35B（Iris-mini）和 397B（Iris-pro）两个版本。Iris能在真实网络中自主决定搜什么、怎么读、何时收敛作答，通过从网页超链接反向构造够难且可解的训练数据，并采用 SFT 与强化学习交替的SFT–RL Climbing训练法。
阅读全文YuE2 – 港科技大联合 M-A-P 团队开源的音乐生成模型
YuE2是香港科技大学与M-A-P团队开源的音乐生成模型。模型能根据歌词和风格生成可编辑的ABC乐谱（旋律+和弦），再渲染为48kHz完整歌曲，让创作过程白盒可控。
阅读全文法界通 – 一站式 AI 法律服务平台，支持多端使用
法界通是面向中国用户的 AI 法律服务平台，将律师与创作者的内容社区、用户向律师提问的公开咨询、可随时对话的 AI 法律助手整合在同一产品中。
阅读全文Infinite Canvas 深度体验 – 把即梦和 Lovart 搬进本地电脑
很多时候，自己本地 AI 生图、做视频，我总觉得整个过程还有点麻烦。尤其是想围绕一个创意反复修改时，就会惦记即梦、可灵、Lovart 这些平台里的创作体验。
阅读全文LingBot-World 2.0 – 蚂蚁灵波科技开源的实时交互世界模型
LingBot-World 2.0 是蚂蚁灵波科技开源的实时交互世界模型，能像游戏一样被实时游玩。游戏支持移动、攻击、施法、跳跃等操作及雨雪等环境事件，可小时级连续生成画面不漂移，高配下可达720P/60FPS。
阅读全文WooMoo – AI 塔罗应用，支持语音提问和语音收听解读
WooMoo是Romangic团队推出的AI塔罗应用，主打"以心理学为底、用塔罗语言表达"的情绪陪伴。用户文字或语音提问后，经摇手机洗牌、抽牌等仪式感流程，由AI生成个性化解读。
阅读全文Xiaomi-CocktailASR-1 – 小米开源的说话人语音识别模型
Xiaomi-CocktailASR-1是小米开源的目标说话人语音识别大模型，基于LLM端到端架构，用参考语音作为声纹提示，无需语音分离可从多人混合语音中精准转录目标说话人。
阅读全文K2.8 Preview – 月之暗面 Kimi 推出的新一代主力模型
Kimi K2.8 Preview 是月之暗面在 Kimi Code 和 Kimi Work 全量上线的主力模型，官方称综合性能接近旗舰 Kimi K3，编码与 Agent 能力提升，思考效率较 K2.7 显著改善。
阅读全文Amazon Quick – 亚马逊云科技推出的企业级 AI 工作助手
Amazon Quick是亚马逊云科技推出的企业级AI工作助手。工具以桌面客户端（macOS/Windows）为核心，搭配移动端智能动态流，将邮件、日历、CRM等聚合为高优先级视图，由后台Agent处理琐事，只保留需人工决策的事项。
阅读全文GPT Images 2.5 热门提示词合集，附万能提示词模板
GPT Images 2.5 终于上线了。 性能提升了很多，还新增了 Sketch、模板、图片评论和提示词分享功能，于是全网又开始了研究GPT Images 2.5 新玩法。
阅读全文