「音频 App」共找到 439 篇相关文章
Poe：DeepSeek使用率下降50%，快手崛起、OpenAI暴涨
2025年春季，Poe发布AI模型使用趋势报告。DeepSeek使用率降超50%，OpenAI因文生图功能暴涨。文本、视频、推理、图像和音频5大领域中，各模型表现不一，如快手Kling家族、谷歌Imagen 3家族等有亮眼表现。
国产AI视频炸了！SkyReels-V3三大功能重磅开源，1张图生成逼真视频
昆仑天工SkyworkAI团队开源多模态视频生成模型SkyReels-V3，它能在一个架构内搞定参考图像转视频、视频延长、音频驱动虚拟形象三大核心能力，超越主流商业模型，且真正开源。
ICLR 2025新成果：文档检索“降本增效”，从此“开挂”
传统文档检索系统处理视觉信息丰富的文档存在瓶颈，ColPali方法直接从文档页面图像生成多向量嵌入，简化流程、提高性能、降低延迟。ColQwen - Omni在其架构上扩展到图文+音频多模态匹配。
Claude封号潮失控！300 万用户企业一夜断供，无理由、无回应，受害者被迫抱团反抗
Claude 出现封号潮，Belo App 等企业和开发者账号被封，无理由无回应，申诉渠道不佳。用户不满累积，“Banned by Anthropic”网站上线，呼吁改进封禁与申诉流程，同时引发对“单一厂商锁定”问题的讨论。
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。
豆包大模型2.0+Claude Skills，3步装好，终于有AI能帮我"看视频做笔记"了！火山引擎全系列可用！
传统视频总结工具只基于音频总结，内容浅显。而豆包大模型2.0是多模态原生模型，能同时处理画面和声音。只需3步安装配置，就能让它真正“看”视频，输出详细笔记。
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。
12人团队打造AI陪伴神器，半年内斩获3000万美元投资
Tolan是今年2月上线的APP，公司仅12人。其虚拟形象可为用户提供情绪价值，下载超300万次，付费超10万。本月背后公司Portola完成2000万美元A轮融资，此前还有1000万美元种子轮。
ICML 2025｜趣丸研发新型人脸动画技术，声音+指令精准控制表情
广州趣丸科技团队提出新颖肖像驱动框架Playmate，能根据音频和控制条件生成高质量肖像视频，精准控制表情和姿态。成果被ICML 2025收录，代码开源筹备中，在多方面优于现有方法。
Codex 装进 iPhone 后，开发者每天多 3 小时生产力时段
5月14日，OpenAI将Codex塞进ChatGPT手机App，所有套餐包括免费版都可解锁。Codex手机版定位是AI代理遥控器，解决远程开发安全顾虑，解开“人类必须坐在电脑前”束缚，还催生新工作流。