动态

昨晚发现了智谱开源的这个 RealVideo。实测下来最吓人的是延迟只有 2-3 秒。什么概念？以前生成个 5 秒视频够我去冲杯咖啡，现在这玩意儿直接能跟我实时视频通话，连嘴型都能完美对上语音（TTS+视频生成一条龙）。感觉就像给 AI 装了个真·声带和脸，而不是在那念 PPT。 …

本来以为又是个只活在 PPT 里的学术项目，结果看完 LivingSwap 的 Demo，我后背真有点发凉。 以前搞视频换脸，最烦的就是侧脸狂闪和光影崩坏，为了修那些破绽，我在 After Effects 里修帧修到想吐。LivingSwap 这货的路子很野，它不像传统 GAN …

阿里这次开源的通义百聆（Fun-CosyVoice3）属实有点东西，特别是在“白嫖”和“本地部署”这件事上，给独立开发者留了条活路。 实测下来，几个感觉最明显的点： * 轻得离谱：0.5B 的参数量，直接跑在我的开发本上居然不卡。官方说首包延迟降了 50%，体感就是刚敲完回 …

刚写完脚本准备配音，结果随手测了下 Google 刚更的 Gemini 2.5 TTS，手里的咖啡瞬间不香了。🤯 简单说：这玩意儿不是在“读”，是在“演”。 我以前最烦 TTS 那种“毫无波澜的朗诵腔”。但这次 2.5 版本有个离谱的Prompt 导演模式。 我试着输了一 …

差点为了出国沟通方便去买那个两千块的 AI 硬件，结果发现 Google 翻译偷偷憋了个大招。我本来是 DeepL 的死忠粉，对于 Google 翻译那种“机翻味”向来是嗤之以鼻的，但这波更新真的让我有点手抖。 我昨晚在星巴克测了一下。以前用 Google 翻译最怕遇到习语，比 …

谷歌翻译App（Gemini驱动）开始支持用中文学习英文，多邻国可以退订了 不是传统的背单词，是根据用户水平生成个性化学习内容，像是定制版多邻国

开源项目 Banana Slides 主打 "Vibe PPT" 概念，用多模态模型把“找模板”变成了“复刻审美”。 原理类似给理发师看照片，它通过 Nano Banana Pro 解析参考图的“氛围”，直接生成对应的排版逻辑。 1️⃣ 视觉风格迁移：随便扔一张海报或设计 …

Medeo 引入了 Video Agent，彻底终结了 AI 视频“一键生成却无法微调”的开盲盒时代。 简单说，以前用 AI 做视频像买彩票，不满意只能重开；现在它是你的剪辑助理，哪里不满改哪里。 🔹 交互式微调：这是最大的 Update。输入“把背景换成办公室”或“让解说语 …

以后「浏览网页」就是「开发应用」。 Google 发布的 Disco 浏览器（搭载 Gemini 3）彻底变了：它不再只是展示信息的窗口，而是能把散乱的标签页直接「熔炼」成交互式 App。 核心逻辑非常野： 🔹 原理像「自动加工厂」：你打开的 Wikipedia、地图、订票网 …

AI 短剧成本已被砸穿：一杯奶茶钱换 100 集长篇动画，现在入局就是降维打击。 商汤发布 Seko 2.0，专为「多剧集连贯性」设计的 Agent，一站式解决角色崩坏与剧情断层痛点。 简单说，它不是让你像抽卡一样画单图，而是给了一个懂剧本、能控图的虚拟导演组。 🔹 死磕“ …