🎙 刚看到通义实验室开源了这个端到端 (S2S) Fun-Audio-Chat 8B 模型，这不仅仅是陪聊工具，更像个长了耳朵的 Agent。
1️⃣ 动口不动手：最戳我的是 Voice Function Calling。以前我在开车时想处理个急事，只能干着急，现在直接吼一声让它调工具查资料、做翻译。
2️⃣ 情绪感知很敏锐：尝试用崩溃的语气跟它吐槽了两句，它居然能听出我的疲惫语气并给反馈，比那种只会在云端念稿子的 AI 像人多了。
3️⃣ 配置门槛友好：双分辨率架构确实省显存（官方说降了 50%），实测在我这台非顶配机器上跑，延迟完全在可接受范围内。
预测这个模型特别适合想做语音交互 App 的朋友。
#AI工作流 #FunAudioChat #开源模型 #独立开发 #语音交互
🎙 刚看到通义实验室开源了这个端到端 (S2S)
更多动态
PixVerse 新出的这个“全视频编辑”，把 AI 视频从“盲盒抽卡”
变成了可控的“后期精修”。 它现在的逻辑是“元素级编辑”，你可以像修图一样修视频： 1️⃣ 救命场景：上周我剪片子，客户临时反馈说产品展示的“光影太硬”。以前这种得重拍或者回达芬奇扣半天，这次我试着用 PixVerse 框选主体 + Prompt 调整光线，大概十分钟就发回去了。 2️⃣ 素材复用：如果你是做 MCN ，手里那点素材不够用，可以直接改拍摄角度或场景。实测把一段普通街景改成赛博朋克风，主体稳定性比直接重绘要高不少。 虽然比之前的全屏重绘准，但复杂动态下的人物边缘偶尔还是会“飘”，建议先拿非人像素材练手。 对于咱们这种单兵作战的创作者，能用 AI 解决的返工，就别浪费体力了。 #AI工作流 #PixVerse #视频制作 #独立开发者 #效率工具
Qwen 刚发布的这俩新模型
，可能要省掉我每个月给 ElevenLabs 交的订阅费了。 主打「3 秒克隆」和「文本捏人声」，对于我们这种要做多语言视频的创作者来说，吸引力很大。 具体有两个新成员： 1️⃣ VoiceDesign (VD-Flash)：不用找现成音色，直接用 Prompt「捏」声音。 假如我想给独立开发的小游戏 NPC 配个“焦虑的中年侦探”音色，以前得在素材库翻半天，现在写几行指令就能生成。官方测试说在角色扮演场景下比 Gemini-2.5-pro 还稳。 2️⃣ VoiceClone (VC-Flash)：只需 3 秒干音就能克隆。 这对出海做内容太友好了，支持中英日等 10 种语言。我试着把我的中文克隆成西班牙语，语调的上下文断句比 Grok 要自然，没有那种明显的“机械感”。 虽然官方数据说错误率低了 15%，但我实测感觉在极快语速下还是偶尔会吞字，不过作为生产力工具完全够用了。 #AI语音 #独立开发 #Qwen #开源模型 #效率工具
美团 LongCat-2.5发布了。
1.6T 总参、激活约 48B，原生多模态，主推长程智能体，全程国产算力训练。 图像量化成多级离散 token，Visual Coding 与 3D 受益。 大规模长程 RL，把失败轨迹转成可验证训练任务。 W4A4 推理，prefill 吞吐提升 43%。 官方自测介于 Claude-Opus-4.8 与 Opus-5 之间。
商汤开源 SenseNova Loop-9B-Preview。
它不堆参数，堆"层数"。32 层解码器，中间 4–27 层同权重跑两遍 → 前向 56 层计算，只存 9B。 自测 BIRD-Dev 71.38、AutomationBench 13.72，超 Qwen3.5-27B；Terminal Bench依旧落后。
