「数字人重建」共找到 1468 篇相关文章
Speech-02语音模型登顶国际榜单：完美复刻声音，同事听后难辨真伪
MiniMax的Speech-02语音模型登顶国际榜单，超越OpenAI等海外模型。它引入可学习说话人编码器，有高扩展性，还能结合文本描述生成音色。测试显示其音色丰富、读音准、支持多语种，声音复刻逼真。
腾讯混元挖走微软明星大模型团队！一作全员出走，新成果已跻身大模型竞技场TOP 10
微软明星大模型WizardLM一作全员加入腾讯混元，最新成果Hunyuan - Turbos跻身大模型竞技场TOP 10。此前WizardLM - 2发布不顺，且微软将裁员超6000人，国内大厂正激烈争夺大模型人才。
对话Memories.ai沈俊潇：用视觉记忆驱动物理AI自进化
DeepTech专访前Meta研究员、Memories.ai创始人沈俊潇，介绍公司聚焦视觉记忆领域，以视觉记忆驱动物理AI自进化，解决物理AI数据标注痛点，已获融资并与高通、英伟达合作，形成清晰的商业数据飞轮。
突发！Hugging Face 要被卖了：最新报价约870亿元
重要AI开源平台Hugging Face正探索出售，估值或达130亿美元。消息引发对开源生态的担忧，此前微软收购GitHub就曾让部分人迁移代码。它从聊天机器人转型，近年还扩张到硬件等领域。
一个月暴涨3K star，这是我见过最好用的AI生成PPT项目了！
职场人做PPT常耗在调格式等方面，现有AI工具多有缺陷。`dashi-ppt-skill`项目可生成网页版PPT编辑器，有多种主题、版式和控件，功能丰富，能本地完成操作，还介绍了安装和使用方法。
一年从3B卷到0.xB：MonkeyOCRv2用0.7B拿下17语种文档解析开源第一
文档OCR正迈入小模型时代，MonkeyOCRv2以0.7B、0.6B参数在MDPBench上超越3B模型。它重新分配系统职责，采用互补预训练目标，还开源训练数据，且迁移到多任务表现良好。
机器人看视频学操作！伯克利首次打通互联网视频到灵巧手真机部署链路
UC Berkeley团队提出端到端流程，跑通从网络视频生成真实灵巧手实机执行轨迹链路。解决了单目RGB视频手-物交互重建、带噪声参考轨迹动作重定向及遥操作规模化难题。还给出数据筛选要点。
训练世界模型，开始从人类的肌肉和脑子里偷师了
具身智能数据竞争进入新阶段，第一视角视频虽缓解数据量问题，但未记录人行动的原因及大脑身体实时修正。FaceMind提出Ego - NeuroLoop数据范式，配套NeuroMatrix和NeuroBooster，将训练数据从“行为库”推向“闭环库”。
Google推出Gemini Spark：不用开电脑也能24小时跑
Google在2026年I/O大会推出个人AI代理产品Gemini Spark，是24小时数字生活助手。它搭载Gemini 3.5大模型，用自研Antigravity框架，运行在Google Cloud虚拟机，可对接Google工具，后续将通过MCP接第三方服务。
太意外！教皇和Anthropic创始人，要联袂开发布会
5月26日，教宗利奥十四世将发布通谕《Magnifica Humanitas》聚焦「AI时代对人的保护」，Anthropic联合创始人Chris Olah受邀。梵蒂冈同步成立AI委员会。但有人质疑这是道德外包或公关道具，全球也缺乏有效约束AI发展的机制。