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
SSVAE – 智谱AI开源的频谱结构化变分自编码器
SSVAE（Spectral-Structured VAE）是智谱AI推出的优化视频生成的新型变分自编码器。SSVAE通过谱分析发现，视频 VAE 的隐空间若具备时空低频偏置和通道特征值的少模式偏置，能显著加速下游扩散模型的训练。
阅读全文Kaleido – 智谱AI开源的多主体视频生成框架
Kaleido 是智谱AI开源的多主体视频生成框架，能解决多主体视频生成中的主体一致性与背景解耦问题。框架通过创新的数据构建管线和 R-RoPE（Reference Rotary Positional Encoding）机制，有效分离主体与背景信息，在多主体场景下保持主体特征一致性。
阅读全文RealVideo -智谱AI开源的实时流式视频生成系统
RealVideo 是智谱 AI 开源的实时流式视频生成系统，基于自回归扩散视频生成技术，RealVideo能将文本输入即时转化为连续、高质量的视频响应，实现与 AI 角色的实时视频对话。
阅读全文SCAIL – 智谱AI开源的影视级角色动画生成框架
SCAIL（Studio-grade Character Animation via In-context Learning）是智谱AI推出的面向影视级标准的角色动画生成框架。框架通过创新的3D一致性姿态表征和全上下文姿态注入机制，解决了复杂动作场景下角色动画的时空一致性问题，实现高保真度的角色动画生成。
阅读全文GWM-1 – Runway推出的首个通用世界模型
GWM-1 是 Runway 推出的首个通用世界模型，基于 Gen-4.5 构建，采用自回归架构逐帧预测视频内容，可实时交互。模型分为三个分支：GWM Worlds 用于实时环境模拟，生成沉浸式、无限可探索空间；GWM Avatars 是音频驱动的交互视频生成模型，模拟自然人类动作和表情；GWM Robotics 是机器人训练模拟器，生成合成数据加速机器人开发。
阅读全文DeepSearchQA – 谷歌开源的AI研究Agent测试基准
DeepSearchQA是谷歌开源的新基准测试工具，用于评估Agent在网络研究任务中的全面性和多步查询能力。工具包含17个领域共900个手工设计的“因果链”任务，每一步都依赖于先前分析。
阅读全文Gemini Deep Research – 谷歌推出的深度研究Agent
Gemini Deep Research 是谷歌推出的深度研究智能体，基于 Gemini 3 Pro 构建，专为长周期的内容收集与综合任务优化。智能体通过多步骤强化学习，能在复杂信息环境中以高精度自主导航，减少幻觉、提升报告质量。
阅读全文GPT-5.2 – OpenAI最新推出的通用AI模型系列
GPT-5.2 是 OpenAI 最新发布的先进人工智能模型系列，专为专业工作和复杂任务设计。模型提供三种版本：GPT-5.2 Instant 适用快速处理日常任务，如信息查询和翻译，GPT-5.2 Thinking 专为复杂任务优化，如编程、长文档处理和多步骤项目管理，GPT-5.2 Pro 专注于高难度任务，提供高精度和高可靠性，适合科学研究和复杂分析。
阅读全文Dynal.AI – 专注于LinkedIn内容创作的AI Agent助手
Dynal.AI 是专注于LinkedIn内容创作的智能工具，帮助用户高效生成和管理高质量的LinkedIn帖子。通过AI技术，将文字稿、网站链接、视频、PDF文件等素材快速转化为适合LinkedIn的帖子内容，抓取重点并调整语气，实现内容的高效再利用。
阅读全文PosterCopilot – 南大联合LibLib.ai等推出的海报设计模型
PosterCopilot 是南京大学联合 LibLib.ai 和中科院自动化所共同推出的专业级海报设计大模型。模型通过独特的三阶段训练策略，赋予模型强大的布局推理和精准编辑能力，能实现从素材规划到最终成稿的全链路设计。
阅读全文Qwen3-Omni-Flash – 阿里通义推出的全模态大模型
Qwen3-Omni-Flash（Qwen3-Omni-Flash-2025-12-01） 是阿里 Qwen 团队推出的全模态大模型。模型能无缝处理文本、图像、音频和视频等多种输入形式，实时生成高质量的文本与自然语音输出。
阅读全文LensGo AI – AI内容创作平台，一键生成风格化图像与视频
LensGo AI 是创新的 AI 创作平台，支持将简单的文字提示、照片或原始视频素材转化为风格化的图像和视频内容。平台通过强大的多模式创作引擎，让用户在浏览器中轻松实现从文字到视觉、从静态到动态的快速转换，无需复杂的剪辑或动画技能。
阅读全文GLM-TTS – 智谱开源的AI文本转语音模型，支持声音克隆
GLM-TTS 是智谱开源的AI文本转语音模型，具备声音克隆、多情感表达、高精度文本理解和高质量语音输出等功能。采用两阶段生成范式，通过语义建模和声学建模实现高效语音合成。
阅读全文VoxCPM1.5 – 面壁智能开源的端到端语音合成模型
VoxCPM 1.5 是面壁智能推出的先进的端到端文本到语音（TTS）模型，专注于上下文感知的语音生成和逼真的声音克隆。模型通过端到端扩散自回归架构直接从文本生成连续语音，支持 44.1kHz 高采样率音频克隆，生成效果更细腻。
阅读全文怎么用 Nano Banana Pro 做电商设计图，附13个玩法教程
距离谷歌发布 Nano Banana Pro，已经半个多月了。但它的创意玩法，依旧层出不穷。 以前用 AI 做图，最让人头疼的一致性、中文准确性问题都被解决了，提示词也不用再写得像小作文一样。 我发现一个在国内就能免费体验的方法——椒图 AI， 生成4K超清图片也只要1-2分钟，作图嘎嘎快，而且导出图片没有水印。
阅读全文AutoDL算力云 – AI算力服务平台，提供多种主流GPU型号
AutoDL算力云是专注于提供高效、灵活且经济实惠的GPU算力租赁服务的AI平台，主要面向人工智能和深度学习领域的开发者、研究人员以及企业用户。支持多种主流GPU型号，如NVIDIA RTX系列、A100、H800等，满足从入门级到大规模模型训练的不同需求。
阅读全文OiiOii邀请码 – 如何获取OiiOii邀请码？附免费领取方式
OiiOii 是全球首个专业动画创作Agent，借助智能 Agent 能实现动画从构思到成品的快速生成。用户只需输入简单指令，即可获得动画短片、视频或图片。
阅读全文OfferNow – AI简历自动填写助手，覆盖众多求职平台
OfferNow 是智能简历填写助手，工具通过 AI 技术实现简历的自动填写，AI 智能识别，能精准识别简历信息并快速填充；数据安全加密，确保用户信息在填写过程中的安全；支持千万网站，覆盖众多求职平台，方便用户在不同网站上使用
阅读全文