「多语言翻译」共找到 4855 篇相关文章
图像、视频一模搞定！字节全能原生多模态本地可部署
字节开源原生多模态模型Lance，仅3B激活参数，40G显存就能跑，已登顶huggingface趋势榜。它能进行图像与视频的理解、生成、编辑等操作，在多个基准测试中表现优异，多项性能居首。
The Batch: 949 | 人形机器人进入工厂车间
少量人形机器人已进入工业场景，成本接近人力成本。Agility Robotics向Schaeffler提供Digit机器人，负责搬运箱子。目前工业人形机器人应用有限，多处于试点，预计到2040年数量将大增。
SRO架构赋予Qwen-2.5-VL推理能力，性能飙升16.8%
文本领域推理模型成就大，但扩展到多模态大语言模型遇阻力，如冷启动初始化不足等。为此提出 SRO 三阶段训练框架，经测试，ReVisual - R1 平均性能提升 16.8 个百分点。
安卓彻底变了！Gemini接管所有屏幕，苹果连影子都没追上
谷歌在 Android Show I/O Edition 宣布，Android 从「操作系统」转型为「智能系统」，Gemini Intelligence 植入安卓设备，覆盖多硬件，还推出 Googlebook。谷歌端侧铺 Gemini，云端投 Claude，与苹果策略形成对照，竞争关键在分发。
创新中心| AI视觉创意不再拼“出图快”，而是拼“人味浓”？
北京AIGC视听产业创新中心位于朝阳区，是推动影视制作基地建设的举措。由多方参与，首创郎园运营，提供六大服务平台，截至2025年8月汇聚60余家伙伴。首创郎园拓展能力，项目延伸多地。
本周5个yyds的Github开源项目，速速收藏！
文章介绍本周5个Github优质开源项目。有基于云服务的CloudPaste，排版强的Quarkdown，视频下载工具Media Downloader，双语翻译插件FluentRead，还有全能安卓助手LinkAndroid，各有特色功能。
一文带你通俗易懂的看懂"人工智能+"，这是十年一遇的大机遇。
作者解读《关于深入实施“人工智能+”行动的意见》，对比‘互联网+’指出‘人工智能+’核心是‘赋能’，还阐述其在多领域的应用及影响，最后提醒大家面对挑战抓住机遇。
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。
用3D几何先验驱动视频扩散，实现更一致的世界生成
视频扩散模型生成新视角视频时，现有方法缺显式3D结构。智象未来提出DreamWorld，用3D先验与两阶段框架，结合结构和生成能力，在多基准测试表现领先。
14.9k Star！Firecrawl 开源的 PDF 智能分类器，200 份文档 0.47 秒搞定！
Firecrawl 开源 PDF 智能分类与文本提取库 pdf-inspector，已获超 1.4 万人标星。它能智能分类、感知提取、转 Markdown 及按需路由，性能炸裂，分类快，多项指标领先，还支持多平台。