Soundwave – 港中文深圳开源的语音理解大模型，高效处理语音任务
语音和文本之间的对齐一直是多模态研究的难题，而多模态模型的崛起更是让“听懂”语音成为AI研究的新热点。香港中文大学（深圳）的研究团队推出了一款名为 Soundwave 的创新模型，以更高效的训练策略和...
排序
Bobby – RockFlow 推出的金融投资 AI Agent，全球首个“投资伙伴”
近日，金融科技领域迎来了新的革命性变化。新加坡人工智能金融科技公司RockFlow（奇运证券）成功完成了千万元A1轮融资，融资金额达到1000万美元，此轮融资由知名互联网公司创始人领投，老股东也继续加...
食神 – 老板电器新推出的首个烹饪大模型
让人工智能走进千家万户，以“做最有烟火气的AI”为主题的老板电器，AI 生活”为主题盛大启幕，AI大模型、智能化注定成为各大参展企业竞相展示的焦点。在AWE2025现场展示了AI烹饪大模型“食神”，该...
家作 – 淘宝推出的家装家居AI设计工具，效果媲美实拍
推出的电商行业首款 AI 设计工具“家作”全新升级。商家上传商品图，即可一键生成多种风格的场景图，并且可以选择模特做展示，自定义出图，效果如同专业级棚拍实感。据悉，家作是专注服务家装、家居、家电行业商...
Multi-Agent Orchestrator – 亚马逊开源的多智能体框架，高效处理复杂任务
全球云计算领军企业亚马逊云（AWS）近日宣布开源其5级通用AI Agent框架——Multi-Agent Orchestrator。该框架利用多层级AI Agent协同高效处理复杂任务，智能分配用户请...
Agent TARS – 字节跳动开源的多模态 AI Agent 框架
Agent TARS是一款开源的多模态AI代理，它能够通过视觉解析网页内容，还适合于深度研究、操作系统功能，能够处理复杂的工作流程，通过 Agent 框架执行复杂任务，可以进行全面的规划和执行， 收集...
算了么 – AI算力共享平台，自动检测闲时算力智能调度
随着人工智能算力应用的蓬勃发展，算力应用出现了在短时间内高密度的算力消耗需求，算力资源的短缺成为行业普遍面临的挑战。作为支撑人工智能算法运行和数据处理的基础设施，算力正成为人工智能技术应用落地的刚需...
izdaxAi – 多功能AI应用，支持智能问答、写作辅助、绘画创作等功能
在人工智能与教育深度融合的新时代，新疆碧利雅电子科技公司推出了多功能人工智能应用izdaxAi 。集成了智能问答、写作辅助、学习工具、绘画创作、语音助手和多语言输入法等功能。用户可以通过语音或文字与 ...
SpatialLM – 群核科技开源的空间理解多模态模型
SpatialLM 是群核科技开源的空间理解多模态模型，该模型仅通过一段视频即可生成物理正确的3D场景布局，赋予机器人和智能系统类似人类的空间认知能力。SpatialLM突破了传统大语言模型对物理世界...
GPT-4o mini TTS – OpenAI 推出的文本转语音模型，体验不同语境情感
OpenAI新推出的文本转语音模型“gpt-4o‑mini‑tts”不仅能产生细腻、自然的语音，且比上一代更容易“指导”，也就是说开发者可用自然语言指令指定说话风格。支持将文本内容转换为自然流畅语音的...