Meta开源史上最强语音“基座模型”：一口气支持1600+种语言
刚刚，Meta AI FAIR团队发布了其在自动语音识别（ASR）领域的最新成果：Omnilingual ASR这是一个...
谷歌发布“嵌套学习”范式：让 AI 像人脑一样温故知新
IT之家 11 月 10 日消息，谷歌研究院于 11 月 7 日发布博文，为攻克 AI 模型在持续学习新知识时遇到“灾难...
在失败中进化？UIUC联合斯坦福、AMD实现智能体「从错误中成长」
人工智能（AI）正经历从「会做」到「做得可靠」的关键转变。随着大语言模型（LLM）推动的智能体（Agent）广泛应用于自...
精读DeepSeek OCR论文，我远远看到了「世界模型」的轮廓
文 | X研究媛DeepSeek OCR是一个不错的OCR小模型，但过誉了。知乎网友指出，即使横向对比OCR最优秀的几个...
DeepSeek新模型被硅谷疯夸！用二维视觉压缩一维文字，单GPU能跑
DeepSeek最新开源的模型，已经被硅谷夸疯了！因为实在太DeepSeek了。3B规模、指数级效能变革、大道至简，甚至...
Gemini再进化：Chrome泄露“上下文任务”功能，对标微软Edge
IT之家 10 月 11 日消息，科技媒体 Windows Latest 昨日（10 月 10 日）发布博文，报道称在 ...
阿里开源新架构Qwen3-Next，模型训练成本降9成，长文本推理吞吐提升10倍
每经杭州9月12日电（记者叶晓丹）9月12日，阿里通义发布下一代基础模型架构Qwen3-Next。Qwen3-Next针...
告别「面瘫」配音，InfiniteTalk开启从口型同步到全身表达新范式
传统 video dubbing 技术长期受限于其固有的 “口型僵局”，即仅能编辑嘴部区域，导致配音所传递的情感与人物的...
