刚刚，阶跃星辰联合吉利汽车集团，开源了两款多模态大模型！新模型共2款：全球范围内参数量最大的开源视频生成模型Step-Video-T2V行业内首款产品级开源语音交互大模型Step-Audio多模态卷王开始开源多模态模型，其中Step-Video-T2V采用的还是最为开放宽松的MIT开源协议，可任意编辑和商业应用。
兔子通过两只耳朵可以准确感知捕食者的一举一动，造就了不同品种广泛分布在世界各地的生命奇迹；同样人也需要通过双耳沉浸式享受电影视听盛宴、判断驾驶环境和感知周围活动状态。
能够给读者惊喜，一直都是我的特色。我探讨出来的解决方案，第一无需理会刚才说到的硬件问题、终端问题和容量问题，第二全程网页操作与客户端操作，第三完全免费且快速安全。
花名欧冶子，同济本科、北大硕士，08年毕业后进入建行总行从事应用架构和安全架构管理工作；16年加入百度，任主任架构师（T9），兼百度云技术部TC主席，是百度飞桨AI Studio第一任产品经理；18年加入贝壳找房，任高级总监，从零搭建贝壳找房的信息安全和业务风险治理体系；23年初创立欧冶科技，23年8月获得苹果资本天使轮融资，目前PreA轮融资进行中，由非凡资本服务。
在大语言模型和 AIGC 的热潮下，科研人员对构建「视觉对话智能体」（Visual Chat Agent）展现出极大兴趣。其中，可实时交互的人像生成技术（Audio-Driven Real-Time Interactive Head Generation）是实现链路中极为关键的一环。
就在刚刚，微软公布了世界最大AI Agent生态系统：现在，已经有十万家企业通过Copilot Studio创建智能体了。
就在刚刚，微软公布了世界最大AI Agent生态系统：现在，已经有十万家企业通过Copilot Studio创建智能体了。
DeepMind 公布其正在开发一套创新的音频生成技术细节，也就是NotebookLM背后使用的语音技术。使 AI 能够生成更加自然的对话和高质量的音频。这些技术不仅提升了语音助手的交互性，还帮助多种应用在语音合成和对话生成上取得更大进展。
微软发表了一篇播客，宣布在其Microsoft Cloud for Healthcare中推出新的医疗保健数据功能和AI工具，包括通过Azure AI Studio中的新医疗保健AI模型、Microsoft Fabric中的医疗保健数据功能、Copilot Studio中的医疗保健AI agents服务以及AI驱动的护理工作流程解决方案。
来自约翰斯·霍普金斯大学和腾讯AI实验室的研究人员推出了EzAudio，这是一种新的文本到音频（T2A）生成模型，承诺以前所未有的效率从文本提示中生成高质量的音效。这一进步标志着人工智能和音频技术的重大飞跃，解决了人工智能生成音频中的几个关键挑战。
