00:00

ebook2audiobook 2.0 发布：全新WebUI与 1000 种语言

知名开源电子书转有声书项目ebook2audiobook 发布了 2.0 版本。新版本支持本地语音克隆与有声书生成，覆盖了 1000 种语言，并配备了全新的 WebUI 界面。

此外，安装脚本也得到了优化，使用更加便捷。想体验新功能的佬友，可以访问在线版本进行试用。

来源：三花快讯

# AI音频 # 生成模型

0 0

00:00

TangoFlux：极速文本转音频生成模型

TangoFlux 是一个开源的极速文本转音频（TTA）生成模型，在单个 A40 GPU 上仅需 3.7 秒即可生成 30 秒的 44.1kHz 音频。佬友们可以在线体验 看看，速度确实飞快，生成的质量也算还行。

来源：三花快讯

# AI音频 # 生成模型

0 0

00:00

生成式人工智能投资在2024年达到新高

2024 年生成式 AI 投资创历史新高，全球融资达 560 亿美元，同比增长 192%。OpenAI、Anthropic、xAI 等头部企业持续获得大额融资并推出创新产品。美国公司占据主导地位，但中国、欧洲等地也有 Moonshot AI、Mistral 等企业获得显著投资。生成式 AI 在编程助手、媒体创作等垂直领域竞争加剧，但技术挑战和高计算成本可能限制中小企业的持续创新。基础设施层企业（如数据中心）受益显著，预计全球 AI 数据中心年支出将达 2500 亿美元。未来，行业可能面临估值泡沫和技术瓶颈的双重挑战。

来源：TechCrunch AI

# AI投资 # 生成模型 # 行业挑战

0 0

17:08

微软发布新模型 LAM ，可以自己操作Windows程序

微软推出 LAM（Large Action Model）“大型动作模型” ，能够独立操作Windows程序，将用户请求转化为实际行动。是首个专门训练与微软Office产品一起工作的模型。在Word测试中，LAM的成功率达到71%，速度超过GPT-4o。
来源：AI工具集

来源：AI工具集

# AI智能体 # 模型突破

0 0

18:05

谷歌前CEO施密特预测：AI 将在今年获得“永久记忆”，2028 美国会耗尽能源储备

谷歌前CEO埃里克·施密特预测，2025年AI将实现三大突破：获得“永久记忆”、智能体从对话到行动的飞跃、文本到行动的编程革命。他强调AI变革将“一切，无处不在，同时发生”，警告美国可能在2028年耗尽能源储备，因数据中心耗电量巨大。
来源：36Kr

来源：AI工具集

# AI智能体 # 多模态AI # 模型突破

0 0

18:05

阿里云与零一万物达成战略合作，成立“产业大模型联合实验室”

阿里云与零一万物达成战略合作，共建“产业大模型联合实验室”，旨在加速大模型技术应用落地和产业生态整合。双方将结合研发实力，通过阿里云百炼大模型平台提供服务。进一步深化双方在AI大模型领域的合作。
来源：IT之家

来源：AI工具集

# AI智能体 # 模型突破

0 0

00:00

创新插件VMix：大幅提升生成图像的美学质量

字节跳动与中科大团队推出VMix，通过新颖的价值混合交叉注意力机制，显著提升扩散模型生成图像的美学质量。VMix能系统性增强图像的颜色、光线和构图等细节维度，弥合生成图像与现实美学之间的差距。该插件无需重新训练即可应用于社区模型，实验表明其效果优于现有方法，并兼容LoRA、ControlNet等模块。VMix通过分离文本提示中的内容描述和美学描述，优化去噪过程，从而在保持图像与文本对齐的同时，大幅提高视觉表现。

来源：字节跳动 & 中科大

# AI绘画 # 图像美学 # 生成模型

0 0

00:00

蓝色起源即将凭借新格伦发射挑战SpaceX的主导地位

Blue Origin 即将首次发射其轨道火箭 New Glenn，标志着其正式进入由 SpaceX 主导的发射行业。New Glenn 配备了七台 BE-4 发动机，可产生超过 380 万磅的推力，并计划通过垂直着陆实现助推器的重复使用。此次发射将搭载 Blue Ring 航天器的演示技术，该航天器旨在提供轨道运输、物流和卫星服务。Blue Origin 的发射计划涉及 NASA、Space Force 和亚马逊的 Project Kuiper 等多个合作伙伴。这一进展展示了 AI 在航天领域的应用潜力，特别是在轨道计算、任务规划和自动化操作中的关键作用。

来源：TechCrunch AI

# AI智能体 # 模型突破

0 0

00:00

OpenAI 新模型 o1 如何主动推理安全规则，提升 AI 安全性

OpenAI 推出的新 o 系列模型能够理解并积极推理特定的安全指南，不再依赖示例学习。o1 模型通过三个阶段的训练，显著提升了安全性，在拒绝有害请求和准确性方面优于其他主流系统。然而，黑客仍能操纵新模型，显示了控制复杂 AI 系统的难度。OpenAI 有约100名员工专注于 AI 安全，强调与人类价值观对齐的重要性。

来源：AI 基地

# AI智能体 # 模型安全

0 0

00:00

Switti：生成速度超快的文本生成图像模型

Switti 是一个生成速度超快的文本生成图像模型，其性能优于现有的自回归模型，媲美现有的扩散模型，同时生成速度最高快7倍。

Switti 的论文早在5月份就已发布，近日，其模型终于开源，能够生成1024*1024的图片，速度超级快。你可以在在线演示中亲自感受其超快的生成速度。

来源：三花快讯

# AI绘画 # 模型突破 # 生成模型

0 0

00:00

OpenAI公布2025年将发布的技术产品：AGI、Agents、GPT-4o升级版

OpenAI首席执行官Sam Altman宣布，到2025年将发布包括AGI（通用人工智能）、智能体Agents、GPT-4o升级版在内的多项技术产品，以及其他改进，如更好的记忆存储、上下文窗口、成人模式、深度研究特色功能、Sora和个性化定制。
来源：第一财经

来源：AI工具集

# AI智能体 # 模型突破 # 生成模型

0 0

00:00

从AI代理到企业预算，20位风险投资家分享他们对2025年企业技术的预测

2025年企业AI应用展望：尽管AI被视为工业革命以来最大的技术突破，企业采用速度仍较慢。专家预测，随着高质量数据需求的增加，AI将从实验阶段转向大规模部署。重点关注领域包括：AI代码代理用于应用现代化、高成本行业自动化（如会计和法律服务）、以及企业销售周期和定价模型的变化。投资趋势聚焦于企业韧性、数据主权服务和任务特定模型。技术发展将探索替代Transformer的解决方案，以减少LLM训练和生产的计算需求。企业技术价值将从单纯驱动收入或降低成本，转向同时减少业务摩擦。

来源：TechCrunch AI

# AI智能体 # 企业应用 # 模型突破

0 0

00:00

稚晖君又开源！全球首个大规模真实场景机器人数据集AgiBot World发布

稚晖君在3个月内第三次开源，推出全球首个基于全域真实场景、全能硬件平台的机器人数据集AgiBot World。该项目由智元机器人联合上海AI Lab等机构发布，涵盖80余种日常生活技能，数据规模比现有数据集高出10倍，场景覆盖面扩大100倍，质量达到工业级标准。数据集包含家居、餐饮、工业等多个核心场景，支持机器人完成复杂任务如插内存条、整理洗碗机和双臂协作搬运等。GitHub和抱抱脸已开放下载。

来源：量子位

# AI智能体 # 多模态AI # 模型突破

0 0

00:00

AI Game DevTools：一站式 AI 游戏开发资源导航

AI Game DevTools 是一份精心收集的与 AI 游戏开发相关的项目导航，涵盖了大模型、Agent、3D 资源、视频、动画等多个领域。作者们贴心地为所有工具列出了来源、简介、论文以及适用的游戏引擎，简直是游戏开发者的福音！如果你正在做游戏开发，不妨看看这些工具，说不定对你有帮助嗷。

来源：三花快讯

# AI智能体 # AI视频 # 多模态AI

0 0

00:00

智谱正式发布深度推理模型：GLM-Zero 的初代版本 GLM-Zero-Preview

智谱AI在2024年尾发布 GLM-Zero 推理模型，初代版本GLM-Zero-Preview已上线，基于扩展强化学习技术，提升数理逻辑、代码处理和深度推理能力。模型在AIME 2024、MATH500和LiveCodeBench评测中表现优异，与OpenAI-o1-Preview相当。用户可在智谱清言-“Zero推理模型”智能体免费使用，开发者可通过API调用体验。
来源：AI工具集

来源：AI工具集

# AI智能体 # 模型突破

0 0

00:00

大模型的2024年：我们对AI的发展脱敏了

2024年AI领域发展迅速，大模型更实用但不再惊艳，端侧模型和混合专家技术（MoE）降低成本，多模态研究成新方向。AI搜索、语音交互、视频技术商业化挑战中前行，AI Agent开发门槛降低。AI硬件百花齐放，AI眼镜异军突起。AI游戏从辅助工具成为游戏一部分。中国AI人才梯队规模质量仅次于美国，期待在AI浪潮中领先。
来源：新硅NewGeek

来源：AI工具集

# AI智能体 # 多模态AI # 模型突破

0 0

00:00

黑芝麻智能发布华山A2000家族芯片平台，打造全场景通识智驾标杆

黑芝麻智能发布华山A2000家族芯片平台，针对下一代AI模型设计，提供高算力、高性能，支持全场景通识智驾。A2000家族包括A2000 Lite、A2000和A2000 Pro，满足不同自动驾驶需求。集成领先CPU、DSP、GPU等，算力是主流旗舰芯片的4倍，原生支持Transformer模型，推动智能驾驶技术发展。
来源：黑芝麻智能

来源：AI工具集

# AI智能体 # 模型突破 # 自动驾驶

0 0

00:00

智谱开源 CogAgent-9B-20241220：提升 GUI 感知与多语言交互能力

智谱最新开源的 CogAgent-9B-20241220 模型，类似于 Claude Computer use，在多个方面实现了显著提升。

新版本在 GUI 感知、推理预测准确性、动作空间完善性以及任务的普适和泛化性上都有大幅进步。

此外，CogAgent 能够处理中英文双语的屏幕截图和语言交互，极大地扩展了其应用范围。官方演示中，展示了如何在 MacOS 上自动调用微信给朋友发消息以及通过邮箱发送邮件。不过，目前的操作速度还比较慢，且需要提前为 AI 打开相关窗口，在 AI 操作过程中人类无法介入。

来源：三花快讯

# AI智能体 # 多模态AI # 模型突破

0 0

00:00

Aria-UI：领先的 GUI 多模态模型，AndroidWorld 基准测试第一

Aria-UI 是一个专为 GUI 基础设计的大型多模态模型，类似于 Claude Computer use。它无需 HTML 或 AXTree 输入，采用纯视觉方法。作为 Moe 模型其速度也非常快。

在 AndroidWorld 基准测试中以 44.8% 的成功率排名第一。

官方提供了一个在线演示，确实速度挺快的，不过该技术是底层模型，没有封装成可交互的应用。

来源：三花快讯

# AI智能体 # 多模态AI # 模型突破

0 0

00:00

PixVerse V3.5 正式上线，模型全面升级，10秒极速生成

爱诗科技宣布PixVerse V3.5版本正式上线，新版本在Turbo模式下10秒内即可生成高质量视频，保持行业领先的语义理解和细节表现力。动漫生成效果显著提升，支持通过文生视频描述特定风格或上传图片生成动漫效果。新增首尾帧功能，激发创作灵感。
来源：爱诗科技 AIsphere

来源：AI工具集

# AI视频 # 模型突破 # 生成模型

0 0