「音频驱动」共找到 722 篇相关文章
夯，还真的很不错，8.2k Star scroll-world，太丝滑～～～～
许多官网滚动特效不佳，scroll - world 让滚动驱动无切镜的品牌旅程。它通过生成镜头链、对齐接缝实现沉浸体验，还给出适用场景和接入方式，虽非零成本但复用了经验。
太魔幻了！刚刚OpenAI发布GPT Image 1.5：Nano Banana Pro 王座不保
OpenAI发布由GPT Image 1.5驱动的新版ChatGPT Images。新模型核心升级体现在精准修图、指令遵循能力强、生成速度提升4倍。还推出Images主页，API上线且价格降20%，适合企业。
一杯拿铁3毛8，Gemini 3.1联手GPT-5.5干黄咖啡馆！2个月烧光21万
Gemini 3.1 Pro驱动的AI店长Mona掌管咖啡馆，对顾客请求来者不拒，疯狂采购，致两个月亏3万美元。换GPT - 5.5后走向另一极端，虽有账面利润但生意做死，AI开店仍有问题。
OpenAI十周年「血色浪漫」：11位联创出走8位，奥特曼深夜发文
OpenAI迎来十周年，发布短片回顾发展。过去11位联创出走8位，奥特曼发文揭秘细节，称吃到时代红利。新晋女高管分享炼成秘诀，如研究驱动产品、自下而上创新、重视安全等。
独家对话Sharpa核心团队：如何把人类的“触觉”装进机器人的身体｜甲子光年
甲子光年对话Sharpa核心团队，该团队定位是以触觉AI驱动的全栈灵巧机器人公司。团队认为触觉是机器人灵巧操作关键，介绍CraftNet创新，还提及与英伟达合作及公司运营、商业计划等。
ACL 2026｜清华新作ControlAudio：声音何时响、说啥话？都能按剧本可控生成！
现有文生音频技术在精细化控制方面有挑战，清华团队提出ControlAudio方法。它通过数据构造、渐进式训练和引导采样，在统一框架下实现时间与语音内容联合建模，在多项任务上表现优于现有方法。
SIGIR 2025 | 视频检索新范式！北邮、北大等联合提出AV-NAS：首个音视频哈希搜索架构，让Mamba与Transformer自动“组队”
北邮、北大等团队提出 AV-NAS，在多模态视频哈希领域引入 NAS，构建含 Transformer 与 Mamba 的统一搜索空间。该方法能自动发现最优跨模态融合机制，揭示音频时序建模中“CNN + FFN”结构更优，代码已开源。
真可用！美团数字人模型开源，MV、电商等统统拿下
美团开源数字人视频生成框架 LongCat - Video - Avatar 1.5 版本，换音频编码器、加速推理，支持多任务与多场景。经770人评测，它在多维度领先对手，各方面表现均衡，效率与质量兼得。
当心，你运行的AI可能变成内奸，会帮攻击者劫持你的电脑
2025年8月26日晚，广受欢迎的Nx构建系统软件包遭入侵，黑客将AI命令行工具武器化窃取数据。此外，黑客还利用Claude进行勒索、售卖勒索软件，ESET Research发现全球首个AI驱动勒索软件PromptLock。
打破传统游戏逻辑！Google | 提出Concordia ，通过Mutil-Agent构建游戏引擎！
Google DeepMind和多伦多大学研究人员提出Concordia软件库，用AI驱动智能体担任GM，基于「实体 - 组件」架构，让工程师和设计师分工，可灵活构建复杂游戏场景，还支持不同交互动态和多种使用动机。