3月31日 AI资讯汇总

😼

3月31日 AI资讯汇总 😼 3月31日 AI资讯汇总 Modified April 1, 2025 No access 【AI 3D】Tripo开源两大基础模型TripoSG与TripoSF250331 00:00 No access 【AI 3D】Hi3DGen250331 00:00 🌟地址： https://huggingface.co/spaces/Stable X/Hi3DGen 🤖️AI 模型 AutoGLM 沉思发布 AutoGLM 沉思是由智谱发布的全新智能体，不仅具备深度研究能力（Deep Research），还能实现实际操作（Operator）。全球首个集深度研究与实际操作能力于一体的Agent 它能够模拟人类的思维过程，完成从数据检索、分析到生成报告的全流程任务，真正推动 AI Agent 进入「边想边干」的阶段。背后技术：自主研发的全栈大模型技术，融合了GLM 4的通用能力、GLM Z1的反思能力、GLM Z1 Rumination的沉思能力（实时联网搜索、动态工具调用、深度分析和自我验证），以及AutoGLM的自动执行能力。三个关键特性： • 深度思考：能够模拟人类在面对复杂问题时的推理与决策过程。 • 感知世界：能够像人一样获取并理解环境信息。 • 工具使用：能够像人一样调用和操作工具，完成复杂任务。其中核心链路的模型和技术，将于4月14日正式开源。目前AutoGLM沉思在智谱清言PC客户端上线，此次发布的为 preview版本，核心支持 research 场景；在未来两周，我们将进一步扩展更多智能体执行能力 🌟地址： https://autoglm research.zhipuai.cn/?channel=autoglm android 🤖️AI 视频 Vidu：预告高可控 AI 视频模型 Vidu Q1 Vidu Q1 是生数科技推出的高可控视频大模型，专注于解决 AI 视频随机生成的痛点。它通过引入多元素控制，聚焦「可控性」的提升，满足当前视频制作精品化精细化的趋势。 Vidu Q1 基于扩散模型（Diffusion Model）和 U ViT 架构开发，能够处理长达 16 秒的 1080p 视频。它在多主体细节可控（特别是动作、布局可控）、音效同步可控、画质增强等方面均取得了显著成效。演示效果： No access 【AI视频】【Vidu】 public new video model vidu Q1 250331 00:00 🤖️AI 音频 MegaTTS3：字节轻量级 TTS 模型 MegaTTS3 是字节跳动与浙江大学合作推出的新一代文本转语音模型，核心目标是生成高度自然、富有情感并且与目标说话人音色高度相似的语音。它采用轻量级的扩散模型（TTS Diffusion Transformer），参数量仅为 0.45B，在保证高效的同时，能生成高质量的语音。它支持中英双语 TTS 与语音克隆，是当前轻量级模型中的佼佼者。 No access 【AI声音】bytedance MegaTTS3250331 00:00 🌟地址： https://github.com/bytedance/MegaTTS3 Elevenlabs 推出 Actor Mode 功能允许用户使用自己的声音来「导演」 AI 生成的语音。用户可以通过录制自己声音样本，来指导 AI 如何表达特定的情感、控制语速和语调。这项功能极大地增强了语音生成的个性化和可控性，适用于游戏、影视和教育等多个领域。 No access 【AI】11labs 推出 Actor Mode 功能250331 00:00 🌟地址： https://elevenlabs.io/studio No access 【AI 3D】Tripo开源两大基础模型TripoSG与TripoSF250331 00:00 No access 【AI 3D】Tripo开源两大基础模型TripoSG与TripoSF250331 00:00 No access 【AI 3D】Hi3DGen250331 00:00 No access 【AI 3D】Hi3DGen250331 00:00 🌟地址： https://huggingface.co/spaces/Stable X/Hi3DGen 🤖️AI 模型 AutoGLM 沉思发布 AutoGLM 沉思是由智谱发布的全新智能体，不仅具备深度研究能力（Deep Research），还能实现实际操作（Operator）。全球首个集深度研究与实际操作能力于一体的Agent 它能够模拟人类的思维过程，完成从数据检索、分析到生成报告的全流程任务，真正推动 AI Agent 进入「边想边干」的阶段。背后技术：自主研发的全栈大模型技术，融合了GLM 4的通用能力、GLM Z1的反思能力、GLM Z1 Rumination的沉思能力（实时联网搜索、动态工具调用、深度分析和自我验证），以及AutoGLM的自动执行能力。三个关键特性： • 深度思考：能够模拟人类在面对复杂问题时的推理与决策过程。 • 感知世界：能够像人一样获取并理解环境信息。 • 工具使用：能够像人一样调用和操作工具，完成复杂任务。其中核心链路的模型和技术，将于4月14日正式开源。目前AutoGLM沉思在智谱清言PC客户端上线，此次发布的为 preview版本，核心支持 research 场景；在未来两周，我们将进一步扩展更多智能体执行能力 🌟地址： https://autoglm research.zhipuai.cn/?channel=autoglm android 🤖️AI 视频 Vidu：预告高可控 AI 视频模型 Vidu Q1 Vidu Q1 是生数科技推出的高可控视频大模型，专注于解决 AI 视频随机生成的痛点。它通过引入多元素控制，聚焦「可控性」的提升，满足当前视频制作精品化精细化的趋势。 Vidu Q1 基于扩散模型（Diffusion Model）和 U ViT 架构开发，能够处理长达 16 秒的 1080p 视频。它在多主体细节可控（特别是动作、布局可控）、音效同步可控、画质增强等方面均取得了显著成效。演示效果： No access 【AI视频】【Vidu】 public new video model vidu Q1 250331 00:00 No access 【AI视频】【Vidu】 public new video model vidu Q1 250331 00:00 🤖️AI 音频 MegaTTS3：字节轻量级 TTS 模型 MegaTTS3 是字节跳动与浙江大学合作推出的新一代文本转语音模型，核心目标是生成高度自然、富有情感并且与目标说话人音色高度相似的语音。它采用轻量级的扩散模型（TTS Diffusion Transformer），参数量仅为 0.45B，在保证高效的同时，能生成高质量的语音。它支持中英双语 TTS 与语音克隆，是当前轻量级模型中的佼佼者。 No access 【AI声音】bytedance MegaTTS3250331 00:00 No access 【AI声音】bytedance MegaTTS3250331 00:00 🌟地址： https://github.com/bytedance/MegaTTS3 Elevenlabs 推出 Actor Mode 功能允许用户使用自己的声音来「导演」 AI 生成的语音。用户可以通过录制自己声音样本，来指导 AI 如何表达特定的情感、控制语速和语调。这项功能极大地增强了语音生成的个性化和可控性，适用于游戏、影视和教育等多个领域。 No access 【AI】11labs 推出 Actor Mode 功能250331 00:00 No access 【AI】11labs 推出 Actor Mode 功能250331 00:00 🌟地址： https://elevenlabs.io/studio 🐱 猫叔留言： AI资讯公众号：超时空视角猫叔个人公众号：AI替代人类小红书/抖音：EverAI B站：Ever AI酱（❤这里会有教程及AI工具界面操作）猫叔留言： AI资讯公众号：超时空视角猫叔个人公众号：AI替代人类小红书/抖音：EverAI B站：Ever AI酱（❤这里会有教程及AI工具界面操作） 🌟 3月28日 AI资讯【AI 模型及应用】 • 智谱：AutoGLM 沉思发布【AI 绘图】 • OpenAI ：ChatGPT 放出图像编辑器 • Midjourney：开启 V7 Rating Party 【AI 视频】 • Vidu：预告高可控 AI 视频模型 Vidu Q1 【AI 3D】 • Tripo：开源两大基础3D模型 TripoSG 与 TripoSF • 字节： AI 3D 建模 Hi3DGen 上线 Hugging Face 【AI 音频】 • Elevenlabs：推出 Actor Mode 功能 • MegaTTS3：字节轻量级 TTS 模型 3月28日 AI资讯【AI 模型及应用】 • 智谱：AutoGLM 沉思发布【AI 绘图】 • OpenAI ：ChatGPT 放出图像编辑器 • Midjourney：开启 V7 Rating Party 【AI 视频】 • Vidu：预告高可控 AI 视频模型 Vidu Q1 【AI 3D】 • Tripo：开源两大基础3D模型 TripoSG 与 TripoSF • 字节： AI 3D 建模 Hi3DGen 上线 Hugging Face 【AI 音频】 • Elevenlabs：推出 Actor Mode 功能 • MegaTTS3：字节轻量级 TTS 模型 🤖️AI 3D Tripo：开源两大基础3D模型 TripoSG 与 TripoSF TripoSG 是由 VAST AI 开发的高保真 3D 形状合成技术(能力等同于Tripo 2.0)，基于大规模修正流（Rectified Flow, RF）模型。能够将单张图片转化为细节丰富的 3D 网格模型。 TripoSG在高效的训练路径、架构设计和数据治理方向有四个方法，包括将基于校正流的Transformer架构应用于3D形状生成，以及采用符号距离函数进行几何表示的VAE。 TripoSF 是 VAST 推出的新一代 3D 基础模型，采用 SparseFlex 表示方法，结合稀疏体素结构，仅在物体表面附近使用体素，大大减少了计算资源需求，同时保持了高质量的 3D 重建能力。 TripoSF在3D模型内部结构生成方面取得了突破，能够生成“背面”和“内部结构” 它突破了传统 3D 建模在细节、复杂结构和扩展性上的瓶颈。满血版将在Tripo 3.0与大家建模。 🌟地址： https://github.com/vast ai research/triposg https://github.com/vast ai research/triposf 字节 AI 3D 建模 Hi3DGen 上线 Hugging Face Hi3DGen是一个用于从图像生成高保真3D几何形状的新框架。该框架通过正常桥接技术解决从2D图像生成高保真3D模型时面临的挑战。 “Hi3DGen”在生成丰富的几何细节方面表现出色，在保真度方面优于最先进的方法。 Hi3DGen包含三个关键组件： • 图像到法线的估计器，通过噪声注入和双流训练实现可泛化、稳定和锐利的估计； • 法线到几何形状的学习方法，使用法线正则化的潜在扩散学习来提高3D几何形状生成的保真度； • 3D数据合成管道，构建高质量数据集以支持训练。