搜索
WaveForms致力于开发音频大模型（LLMs），通过创新的端到端音频处理技术，实现更加实时、类人化且情感智能化的语音交互。与传统语音模型不同，WaveForms的音频模型不是语音转文本再转语音，而是能够直接处理音频，实现更自然的对话和情感互动。
自由画布类 AIGC 工具：从近期新品（更新）窥见发展趋势——自律才能给我自由。图像 & 视频多主体一致功能：模型上下文能力的重要体现，未来各家模型的标配。指定 AI 生图里的文字，我找到了 9 种解决方案，其中有 2 种快过时了
早上MiniMax上线TTS，字节上线AI编程Trae；下午字节全量上线豆包实时语音；晚上DeepSeek开源R1性能直接对标OpenAI o1，然后Kimi的k1.5直接正面硬刚。昨天的余温还没过，今天下午，腾讯混元又悄悄开了个闭门发布会，作为混元的老基友，我自然是受邀参加期期不落。
该技术报告的主要作者 Lu Wang, Fangkai Yang, Chaoyun Zhang, Shilin He, Pu Zhao, Si Qin 等均来自 Data, Knowledge, and Intelligence (DKI) 团队，为微软 TaskWeaver, WizardLLM, Windows GUI Agent UFO 的核心开发者。
线性资本和 Linkloud 创始人高宁进行了一场深度对谈，高宁分享了他在最近两年做出海社区的体会，与众多在创业第一天想做全球市场生意的创业者打交道的观察，以及对个别海外发展成功案例的总结。
新年伊始，AI专家Gary Marcus发布长文，公布了他对2025年AI发展最新的25项预测，包括AGI、生成式AI、自动驾驶、人形机器人、视频生成、智能体等多个方向。虽然在2024年对OpenAI估值预测出错，但在最新的预测中仍不看好OpenAI。
我亲眼见证了数据量的爆炸式增长以及行业的巨额投入。当时就很明显，AI是推动这些数据增长背后的关键动力。那是一个非常有趣的时刻——Meta正在完成“移动优先”的过渡，开始迈向“AI 优先”。
昨天晚上，DeepSeek 又开源了 DeepSeek-R1 模型（后简称 R1），再次炸翻了中美互联网： R1 遵循 MIT License，允许用户通过蒸馏技术借助 R1 训练其他模型。 R1 上线 API，对用户开放思维链输出 R1 在数学、代码、自然语言推理等任务上，性能比肩 OpenAI o1 正式版，小模型则超越 OpenAI o1-mini
中国版o1刷屏全网。DeepSeek R1成为世界首个能与o1比肩的开源模型，成功秘诀竟是强化学习，不用监督微调。AI大佬们一致认为，这就是AlphaGo时刻。
据 TechCrunch 报道，OpenAI 可能即将发布一款 AI 工具，可以控制用户的电脑并代表用户执行操作。