动态

用编辑文本的方式精修音频 阶跃星辰 (StepFun AI) 刚开源了 Step-Audio-EditX，一个 30 亿参数的 LLM 级音频编辑模型。它让语音修改变得直观，不再是“录制即定型”。 1️⃣ 迭代式编辑：通过自然语言指令，反复修改语音的情感、风格（如“再温柔一 …

用 AI 快速生成短视频的新选项：Grok Imagine xAI 的目标是做“AI 版 Vine”，17 秒内生成 6-15 秒带音效的短片。 1️⃣ 核心技术: Aurora 引擎。 它采用自回归混合专家架构（非 Sora 的扩散模型），训练时即统一处理音、视、文。 …

用 1/5 成本，获得 GPT-5-Codex 96% 以上的编程性能。 OpenAI 新发布的 GPT-5-Codex-Mini，为开发者提供了高性价比的编码选择。 1️⃣ 性能: 在 SWE-bench 上得分 71.3%，与完整版 (74.5%) …

如何在 10 秒内提取任意网站的完整“品牌 DNA”？ Firecrawl 新增了 Branding Format API，输入一个 URL，它会返回完整的品牌规范 (结构化 JSON)，省去你手动审查 CSS 和扒素材的时间。 1️⃣ 色彩系统：完整色板 (主色、背景、强调 …

让静态图“转”起来：Qwen Image Edit 的虚拟相机控制 用自然语言指令精确调整图像视角，实现360度旋转、俯仰或变焦，像在操作一台虚拟摄影机。 ✨ 核心是控“相机”：不止是内容编辑。用 "Camera orbit left 45 degrees" …

获得超越 GPT-5 的性能，并大幅降低 API 成本 月之暗面 AI (Moonshot) 刚开源了 Kimi K2 Thinking，一个万亿参数 MoE 模型，在多项基准测试中超越了 GPT-5 和 Claude Sonnet 4.5。 几个核心优势： 1️⃣ 成本优 …

实现 AI 视频自由运镜 Google Flow 新增“相机调整”功能，允许在视频生成后修改机位与运动轨迹。 目前该功能仅向 Ultra 订阅用户开放，提供了 2 周的限时免费试用。 它主要提供两类调整： 1️⃣ 位置 (Position)：实现平移、推近 (Dolly …

托管 RAG 的新方案：Gemini API 推出 File Search 工具 它把复杂的 RAG 流程（检索增强生成）几乎全托管了，开发者可以专注业务。 RAG 就像给 AI 配了个外挂知识库，让它先查资料（如 PDF）再回答，减少“幻觉”。以前自建 RAG 很麻烦，要自 …

用 AI 几分钟完成金融研究，Google Finance 迎来大幅升级 它集成了 Gemini 模型，把复杂的数据分析工作从几小时缩短至几分钟。 1️⃣ Deep Search：核心功能。利用 Gemini 并发执行数百次搜索并综合推理，几分钟内生成带引用的全面回应。研究过 …

浏览器直达 ComfyUI，每天 8 小时 A100 算力 官方云平台 Comfy Cloud 已开放公测，目标是让 Mac 和轻薄本用户也能低成本使用 Stable Diffusion 全功能。 ComfyUI 的节点式界面，类似可视化编程，把 AI 绘图流程拆解成积木，拖 …