Bilibili 开源工业级零样本语音克隆模型 IndexTTS-2.5
Bilibili 开源了工业级零样本语音克隆模型 IndexTTS-2.5。该模型参数量仅为 0.8B,支持中、英、日、西、阿五种语言的跨语种迁移。通过重构推理架构,其速度提升了 2.28 倍,实时率低至 0.20。此外,模型支持 0.5x 至 2.0x 的无级语速调节,并提供拼音、CMU 音素和日语假名三种粒度的发音干预功能。
88Z.ai / 前沿资讯
新消息,新变化。在这里读懂 AI。
Bilibili 开源了工业级零样本语音克隆模型 IndexTTS-2.5。该模型参数量仅为 0.8B,支持中、英、日、西、阿五种语言的跨语种迁移。通过重构推理架构,其速度提升了 2.28 倍,实时率低至 0.20。此外,模型支持 0.5x 至 2.0x 的无级语速调节,并提供拼音、CMU 音素和日语假名三种粒度的发音干预功能。
微软发布升级版编程模型 MAI-Code-1.1-Flash,代码能力显著增强,新增原生视觉功能。该模型在 Terminal-Bench 2.1 测试中表现提升 22%,.NET 任务提升 15%。同时,Token 生成速度加快 25%,消耗降低 25%,价格仅为初代的四分之一。目前新模型已逐步接入 VS Code 和 JetBrains 等 Copilot 平台,旧版将于 2026 年 9 月 10 日停止服务。
OpenAI扩展其Daybreak网络安全防御服务,新增Blue和Red两个等级。其中Red等级包含专为安全测试训练的新模型GPT-5.6-Cyber,目前仅向埃森哲、IBM等可信合作伙伴开放。
Meta 发布开源大语言模型 Muse Glimmer,参数量达 300 亿。该模型专为本地部署优化,利用 4-bit 量化与 DFlash 投机解码技术,能在 24GB 显存的 Mac 或消费级 GPU 上流畅运行,支持离线多模态感知、工具调用及代码生成。
智谱AI旗下ZCode迎来全面升级,新增Goal、Subagents、Remote Control及闲时任务四大核心功能。Goal模式支持自主拆解与交付复杂任务,Subagents实现多智能体并行协作,Remote Control允许通过手机或微信远程管控,闲时任务则可在低峰时段免积分运行。与此同时,GLM Coding Plan的用户额度已完成统一重置,所有用户额度均已回满。
腾讯推出Windows端桌面美化工具「小鹅桌面」,以免费无广告为核心卖点切入市场,提供百万级4K超清动态与静态壁纸资源。产品在桌面左上角内置轻量化AI对话窗口,可完成待办备忘与文件搜索。工具面向学生及普通个人用户,与办公向产品 WorkBuddy 形成错位布局,通过壁纸美化卡位Windows高频桌面场景。
阿里巴巴发布国内首个一站式AI语音平台CosyVoice Studio,基于自研Qwen-Audio模型,集成语音记录、智能体及音频创作三大核心模块。
英伟达发布基于Cosmos 3 Super Reasoner的Alpamayo 2 Super开源自动驾驶模型,采用OpenMDW 1.1商业许可,支持微调与商用。该模型在LingoQA等基准测试中表现优异,能输出轨迹规划、因果推理等五类结果,确保决策过程透明可验证。
Cloudflare 发布专为 AI 智能体设计的云端浏览器 Kitesurf,基于 Workers 平台运行,旨在降低计算成本并优化性能与安全。
腾讯混元3D研究团队发布WorldClaw,这是一个基于智能体的3D开放世界生成框架。它能将文本提示转化为可探索、可编辑的完整3D世界,保持地形连贯并生成局部细节,支持对象级编辑和游戏引擎接入。
阿里全新一代视频生成模型 Wan3.0 开启公测。该模型单次可生成30秒视频,支持连续运镜与一镜到底叙事。除文本、图片、音频、视频外,首次支持doc、xls、ppt、pdf、md等文档输入,可将办公素材直接转化为教学课件或产品演示视频。人像生成追求千人千面,角色、道具、场景及风格的一致性显著增强。