我们很多语音生成工作，正是通过加入这些不完美的“人性化特征”，让合成声音显得更加真实和有情感，这也成为ElevenLabs的声音技术与众不同之处。当然，并不是所有场景都适合这种风格。但总体而言，“人性”中的不完美，恰恰是人愿意互动的关键。
在旧金山AI工程师世博会上，Simon Willison用自创「骑自行车的鹈鹕」图像生成测试，幽默回顾过去半年LLM的飞速发展。亲测30多款AI模型，强调工具+推理成最强AI组合！
学会“适当暂停与总结”，大模型终于实现无限推理。
6月6日-7日，2025 北京智源大会召开。作为全球具身智能领域最具影响力的学术与产业双栖盛会，本次大会汇聚了顶尖科研机构、技术领军企业和开源社群。
不知道大家最近的短视频平台有没有被各种外国山海经抽象视频刷屏，比如木棍人通通通、鳄鱼轰炸机、耐克鲨鱼、鳄鱼轰炸机......
以神经网络为核心引擎，让AI承担雷达仿真数据生成任务，还实现对雷达物理特性的建模与控制——
你是否注意到，现在的 AI 越来越 "聪明" 了？能写小说、做翻译、甚至帮医生看 CT 片，这些能力背后离不开一个默默工作的 "超级大脑工厂"——AI 算力集群。
本文第一作者为前阿里巴巴达摩院高级技术专家，现一年级博士研究生满远斌，研究方向为高效多模态大模型推理和生成系统。通信作者为第一作者的导师，UTA 计算机系助理教授尹淼。尹淼博士目前带领 7 人的研究团队，主要研究方向为多模态空间智能系统，致力于通过软件和系统的联合优化设计实现空间人工智能的落地。
用AI来整理会议内容，已经是人类的常规操作。 不过，你猜怎么着？面对1000道多步骤音频推理题时，30款AI模型竟然几乎全军覆没，很多开源模型表现甚至接近瞎猜。
家人们，又有好玩儿的AI出现了—— 火山引擎发布豆包·播客模型！ 来来来，我们直接听一段：
