2025年2月27日，由前扩散模型领域顶尖研究者创立的Inception Labs正式发布了全球首个商业级扩散大语言模型（dLLM）——“Mercury”。这一里程碑式产品不仅在生成速度、硬件效率和成本控制上实现突破，更标志着自然语言处理技术从自回归（Autoregressive）范式向扩散（Diffusion）范式的重大跃迁。
AI 初创公司 ElevenLabs，刚刚筹集了 1.8 亿美元巨额融资 ，主要以其音频生成能力而闻名。该公司通过推出首个独立语音转文本模型 Scribe，迈向了另一个技术方向。
ElevenLabs 似乎无处不在。2025年 1 月，Lex Fridman在基辅对乌克兰总统Zelenskyy进行了长达三小时的采访，采访中使用了ElevenLabs 提供的AI英语、乌克兰语和俄语翻译，完美地保留了泽连斯基的语音和语调。这是AI消除语言障碍能力的一次引人注目的展示。
继视频、文本模型家族在新年迎来新成员后，MiniMax带来了全新升级的T2A-01系列语音模型，并全球同步上线海螺语音产品。与传统语音生成技术相比，全新升级的T2A-01系列语音模型不仅具有音质稳定清晰、韵律自然、情绪精准表达、高准确度等特点。
如果你想在视频中搜索一个特定的场景，并想精确定位到那个场景，你会怎么做呢？
让 Llama 2 在 Windows 98 奔腾 2（Pentium II）机器上运行，不但成功了，输出达到 39.31 tok / 秒。
2024年的李飞飞是斯坦福大学的计算机科学教授，是斯坦福以人为本人工智能研究院（HAI）的院长，也是AI创业公司World Labs的创始人。
近段时间，世界模型的相关研究成果正如雨后春笋版不断涌现，光是我们报道过的就已有南大周志华团队的世界模型 Whale、Yann LeCun 团队的世界模型研究、李飞飞 World Labs 的空间智能研究、谷歌的强大世界模型 Genie 2 以及刚刚开源的像是能模拟万物的生成式物理引擎 Genesis。
最近，语音人工智能初创公司 ElevenLabs，在他们的 ElevenReader 应用中推出了一个叫做 GenFM 的功能，这个功能能通过我们上传的内容，快速制作一期由两名 AI 对话交流的播客。
遵循世界的 3D 特性，很多事就会变得自然而然。 说到斯坦福大学教授李飞飞（Fei-Fei Li），她提倡的「空间智能」最近正在引领 AI 发展方向。
