跳到正文

全部 AI 动态

今日 1 条

10月27日

星期二

10月25日

星期日
  1. Block 发布本地运行的全双工语音模型 Dessa

    Block 研究实验室发布语音模型 Dessa,可本地运行,并带有笑声、停顿和哭腔等类人表达。该模型为全双工语音到语音模型,可同时说话与聆听,官方称完全基于人类语音训练,能在 MacBook M4 Max 或更高配置的消费级电脑上运行。目前 Dessa 未公开开放,Block 正征集安全研究人员进行测试。

10月24日

星期六
  1. Block 发布完全用人类语音训练的模型 Dessa

    Block 发布语音模型 Dessa,称其是首个完全用人类语音、不含任何文本数据从零训练的 AI 模型,直接以音频处理语音,可实时捕捉情绪、讽刺、笑声和停顿,并支持全双工同时听说。该模型可在 MacBook Pro M4 Max 上本地运行,训练使用单台 NVIDIA GB200 NVL72。Dessa 尚未公开,团队正招募 AI 安全研究人员测试意外风险,感兴趣者可通过表单报名。

10月23日

星期五
  1. Canva 发布首个自研图像模型 Craft

    Canva 发布首个自研图像生成模型 Craft,由其内部实验室 Canva Research 从零训练,主要使用数百万份设计模板而非照片作为训练数据。Craft 先生成构图、比例和文字,再输出最高 2K 分辨率、覆盖 30 多种宽高比的图像,支持 55 种语言的文字渲染,并可通过 Magic Layers 拆分为可编辑图层。

  2. Canva 发布首款自研图像生成模型 Canva Craft

    Canva 发布首款自研图像生成模型 Canva Craft,由内部研究团队开发,对标 Google、OpenAI、字节跳动和 Meta 的同类模型。该模型分两阶段生成:先解析提示词并规划元素空间关系、相对尺度、视觉层级和文字信息,再输出最高 2K 分辨率、支持 30 种宽高比的图像,官方称可保证物体细节准确、文字清晰,并支持局部精确编辑。

10月22日

星期四

10月21日

星期三

10月20日

星期二
  1. Kling AI 发布 4.0 版本,支持立体声、多语言口型同步并推出轻量 Flash 版

    Kling AI 发布 4.0 版本,单次可生成最长 30 秒视频,支持最多 10 张关键帧图像输入,提示词理解扩展到 8,000 tokens。新版本加入双声道立体声和十余种语言的口型同步,Omni Reference 单次最多接受 15 个参考素材,并推出最高 720p、20 秒的轻量 Flash 版。Kling 4.0 可通过 MCP 和 CLI 接入,API 定价尚未公布。

10月18日

星期日

10月17日

星期六
  1. Elorian 发布首个模型 Glimpse,以视觉草稿空间做图像推理

    Elorian 发布首个模型 Glimpse,以研究预览形式开放 API,聊天界面需排队。Glimpse 在推理过程中可裁剪图像区域、从视频抽取特定帧或运行代码测量比较,Elorian 称这一机制为视觉草稿空间。该模型定价为输入每百万 token 0.60 美元、输出每百万 token 3 美元,据 Elorian 的评测,其在科学图表推理和短视频描述上超过 GPT-6 Astra。

10月16日

星期五
  1. Goodfire 称神经网络本已清晰,智能体分析可解多义神经元

    Goodfire 的 Nick Cammarata 发布文章提出“神经网络本已清晰”的工作假设,认为许多被视为多义性和叠加现象、难以解读的权重纠缠,在进一步用智能体分析后即可拆解;他提到 2023 年在 OpenAI 的自动可解释性工作只找到约 2% 神经元可读,并称若干著名的多义神经元案例被误读。