更多动态
快手可灵 KlingAvatar 2.0 更新了，不仅是“对口型”，现在连肢体动作和微表情都能根据语气自动演，解决了只动嘴不走心的痛点。 这两天就在用它跑几个 Demo，这几点感知很明显： 1️⃣ 懂戏的“AI 导演”：以前的数字人像木头，这次引入了 Co-Reasoning Director，我试了段激昂的演讲，它居然会自动配上手势和眉头紧锁的表情，不用自己手搓关键帧。 2️⃣ 长视频稳了：之前的模型生成超过 1 分钟脸就容易崩，这次实测生成 3 分钟以上的连续讲解，人物 ID 和衣服纹理都没“飘”，对做课件或长视频很友好。 渲染支持 1080p/48fps，虽然跟专业实拍还有细微质感差距，但发发 YouTube 或做虚拟客服展示足够了。 你们现在做数字人还在用 HeyGen 还是已经转战国产模型了？ #AI视频 #KlingAvatar #内容创作 #独立开发 #效率工具
，手里的医疗听写项目终于不用硬磕 Whisper 了。 专门死磕医疗术语的 105M 小模型，本地跑得飞快。 1️⃣ 实测对比：以前用 Whisper v3 转录英文问诊，遇到“Hydrochlorothiazide”这种生僻药名经常乱飘，这次挂上 6-gram LM，错误率直接压到了 4.6%，比通用大模型还狠。 2️⃣ 边缘端友好：我在 M1 Air 上跑非常丝滑，不用传云端。对于做医疗垂直的 SaaS ，这种“离线+高精”是刚需。 ⚠️ 目前只支持英文（美音为主），做跨境医疗/科研的兄弟可以冲，做国内业务的还得再等等。 #AI工作流 #独立开发 #本地部署 #医疗AI #MedASR
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。
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。
