「GPT - Image - 1」共找到 2590 篇相关文章
21.7K 标星的开源TTS！FishAudio开源情感语音核弹：200万小时炼成“声优AI”！
FishAudio团队推出新一代TTS语音模型OpenAudio S1，基于200万小时音频数据训练，采用Qwen3+Descript Audio Codec架构。它能实现情感表达，在TTS - Arena榜单登顶，还提供不同版本适配，适用场景广泛。
超越VLA与世界模型，银河通用发布LDA，全谱系数据跑通Scaling Law
近期具身智能领域竞争激烈，银河通用联合多机构发布 LDA-1B 模型，能统一利用各类具身数据。它在基准测试中表现出色，代码已开源，还解决了数据格式、质量等问题，实战效果也很突出。
当中国AI喊出「开源脑机」，马斯克站到全网的对立面
中国AI「论论全球」直播呼吁开源脑机接口，引发海外热议，将马斯克旗下闭源的Neuralink推上风口浪尖。它指出脑机接口安全风险大，窗口期只剩1 - 3年，还提出开源科技文明构想。
美国视频生成老炮儿，入局世界模型
Runway发布首个通用世界模型GWM - 1及一系列变体，包括GWM Worlds、GWM Avatars、GWM Robotics，均基于Gen - 4.5构建。还对Gen - 4.5升级，新增原生音频生成、编辑和多镜头编辑功能。
字节发了个机器人全能大模型，带队人李航
字节推出Seed，其Robix视觉—语言单模型能搞定机器人推理、任务规划和自然语言交互，核心采用思维链推理和三阶段训练策略，效果超Qwen2.5 - VL、GPT - 4o等，负责人是李航。
B站发布最强零样本TTS，IndexTTS2情感可控、时长精准
在大规模TTS系统中，自回归模型难精准控制语音时长。Bilibili推出IndexTTS2，支持两种生成模式，实现情感表达与音色解耦，引入GPT潜在表示，设计‘软指令’机制，降低情绪控制门槛。
中国团队让AI拥有「视觉想象力」，像人类一样脑补画面来思考
上海交通大学等团队提出 Thinking with Generated Images，让大模型像人类一样用「脑内图像」推理。该研究区分三种视觉思维模式，提出核心技术框架，解决视觉推理局限，实验效果好，未来有望在多领域突破。
Claude Sonnet 4.5 发布，30 小时自主编码刷新行业纪录
Anthropic发布Claude Sonnet 4.5，号称最强编程模型，自主编码达30小时。它性能超GPT-5等，Claude Code升级，文件处理、API能力增强，价格不变，多平台集成，还通过白盒审计提升安全性。
小扎开建「人类第一算力帝国」！26年榨干当地水电，27年超越星际之门
Meta进军AI超算领域，扎克伯格宣布2026年启用1GW「Prometheus」集群，2027年建成占地如曼哈顿的「Hyperion」计划部署超5GW级算力，Meta还将自建天然气电厂，力抗OpenAI与马斯克。
Clawdbot作者：亿万富豪本豪，复出只因退休太空虚
火爆全网的Clawdbot作者是亿万富翁彼得。他2011年创业，2021年套现1亿欧元退休，四年后因空虚复出，2026年推出Clawdbot，这是7x24小时开源AI助理，功能强大。