Kaleido – 智谱AI开源的多主体视频生成框架
Kaleido 是智谱AI开源的多主体视频生成框架，能解决多主体视频生成中的主体一致性与背景解耦问题。框架通过创新的数据构建管线和 R-RoPE（Reference Rotary P...
AI工具
10个月前
DeepSearchQA – 谷歌开源的AI研究Agent测试基准
DeepSearchQA是谷歌开源的新基准测试工具，用于评估Agent在网络研究任务中的全面性和多步查询能力。工具包含17个领域共900个手工设计的“因果链”任务，每一步...
AI工具
10个月前
GWM-1 – Runway推出的首个通用世界模型
GWM-1 是 Runway 推出的首个通用世界模型，基于 Gen-4.5 构建，采用自回归架构逐帧预测视频内容，可实时交互。模型分为三个分支：GWM Worlds 用于实时环境模...
AI工具
10个月前
Gemini Deep Research – 谷歌推出的深度研究Agent
Gemini Deep Research 是谷歌推出的深度研究智能体，基于 Gemini 3 Pro 构建，专为长周期的内容收集与综合任务优化。智能体通过多步骤强化学习，能在复杂信息...
AI工具
10个月前
GPT-5.2 – OpenAI最新推出的通用AI模型系列
GPT-5.2 是 OpenAI 最新发布的先进人工智能模型系列，专为专业工作和复杂任务设计。模型提供三种版本：GPT-5.2 Instant 适用快速处理日常任务，如信息查询和...
AI工具
10个月前
Dynal.AI – 专注于LinkedIn内容创作的AI Agent助手
Dynal.AI 是专注于LinkedIn内容创作的智能工具，帮助用户高效生成和管理高质量的LinkedIn帖子。通过AI技术，将文字稿、网站链接、视频、PDF文件等素材快速转...
AI工具
10个月前
PosterCopilot – 南大联合LibLib.ai等推出的海报设计模型
PosterCopilot 是南京大学联合 LibLib.ai 和中科院自动化所共同推出的专业级海报设计大模型。模型通过独特的三阶段训练策略，赋予模型强大的布局推理和精准编...
AI工具
10个月前
Qwen3-Omni-Flash – 阿里通义推出的全模态大模型
Qwen3-Omni-Flash（Qwen3-Omni-Flash-2025-12-01） 是阿里 Qwen 团队推出的全模态大模型。模型能无缝处理文本、图像、音频和视频等多种输入形式，实时生成高...
AI工具
10个月前
VoxCPM1.5 – 面壁智能开源的端到端语音合成模型
VoxCPM 1.5 是面壁智能推出的先进的端到端文本到语音（TTS）模型，专注于上下文感知的语音生成和逼真的声音克隆。模型通过端到端扩散自回归架构直接从文本生...
AI工具
10个月前
GLM-TTS – 智谱开源的AI文本转语音模型，支持声音克隆
GLM-TTS 是智谱开源的AI文本转语音模型，具备声音克隆、多情感表达、高精度文本理解和高质量语音输出等功能。采用两阶段生成范式，通过语义建模和声学建模实...
AI工具
10个月前