6月3日 AI资讯汇总

😺

6月3日 AI资讯汇总 😺 6月3日 AI资讯汇总 Modified June 3, 2025 No access 【AI视频】MultiTalk 卡通 250603 00:00 No access 【AI视频】MultiTalk 对话250603 00:00 No access 【AI视频】MultiTalk 写实250603 00:00 No access 【AI视频】MultiTalk 唱歌 250603 00:00 No access 【AI视频】Captions AI真实的微表情和肢体语言 250603 00:00 No access 【AI视频】Captions AI新基础模型“Mirage“使用音频文件或脚本即可生成超逼真的有声视频01 250603 00:00 No access 【AI视频】Introducing Bing Video Creator 250603 00:00 🌟地址： https://blogs.bing.com/search/June 2025/Introducing Bing Video Creator?form=M30190&OCID=M30190 ATI (AnyTraj)：字节技术，任意轨迹指令下的可控视频生成 ATI是一种视频生成方法。创作者可以指定视频中物体（如人物、道具）的移动路径、镜头的推拉摇移轨迹，乃至物体形态的渐变过程，从而实现高度定制化的动态视觉效果。这种基于轨迹的可控性，极大地超越了以往基于文本提示词或简单条件（如固定运动模式）的视频生成方法，为视频创作带来了高自由度。 ATI Wan2.1 14B 型号已在 Hugging Face 上公开发布官方视频： No access 【AI视频】ATI 字节技术，任意轨迹指令下的可控视频生成250603 00:00 🌟地址： https://anytraj.github.io/ 智源：发布并开源了新一代超长视频理解模型Video XL 2 北京智源人工智能研究院（BAAI）联合上海交通大学等机构，发布并开源了新一代超长视频理解模型Video XL 2。它能够更好、更快速地理解长视频，其核心能力在于能够高效处理长达“万帧”级别的视频序列。模型权重的全面开源。 Video XL 2不仅扩展了可处理视频的时长，还在效率上进行了优化，例如，官方资料显示其“编码2048帧视频仅需12秒”，并且支持“在单张显卡上高效处理长达万帧的视频输入”。其潜在应用场景包括：影视内容的深度分析、智能摘要与检索；大规模监控视频中的异常行为实时监测与预警；体育赛事技战术分析；以及对科学实验、自然现象等长时间记录数据的智能解读等。 🌟地址： https://unabletousegit.github.io/video xl2.github.io/ 🤖️AI图像 Topaz Labs Bloom：全新AI图像高清化工具 Topaz Labs宣布在其产品线中推出全新的图像升频器Bloom，这是一款专为高质量图像放大设计的AI工具。Bloom采用先进的人工智能算法，能够将图像最高放大8倍的同时保持清晰度和细节。该工具在放大过程中不仅保持原有图像质量，还能智能添加细节信息，并具有从“细微”到“极致”的 5 种创意模式， 🤖️AI音频 ElevenLabs：推出Conversational AI 2.0，打造更接近真人交谈体验的AI语音代理 ElevenLabs推出了Conversational AI 2.0，这是一个突破性的多语言对话AI系统。这项技术在客服、教育、娱乐等领域具有广泛的应用前景。特点： 1. 流畅的多语言对话切换：AI代理能够在一个对话中自然地切换和理解多种语言。 2. 集成RAG（检索增强生成）：通过结合检索增强生成技术，AI代理可以即时访问并整合外部知识库的信息，从而提供更准确、更丰富、更具上下文相关的回答。 3. 多模态交互能力：支持纯文本、纯语音或文本与语音同步的混合交互模式，满足不同场景和用户偏好。 4. 超拟人对话流控制：最为突出的亮点在于，AI 2.0能够“像真人一样理解何时暂停、何时说话、何时轮流”，展现出对对话节奏和时机的精准把握，使得交流过程更为自然流畅。 No access ElevenLabs推出Conversational AI 2.0 ，多语言对话切换、RAG、多模态，可以像真人一样理解何时暂停、说话 250603 00:00 🌟信息地址： https://elevenlabs.io/blog/conversational ai 2 0 Play AI：发布PlayDiffusion，基于扩散模型的精确语音编辑该模型的独特优势在于支持对生成语音的精确编辑能力——用户可以单独修改一整段话中的任意单词，而不需要重新生成整个音频片段。这种“单词级精细编辑”能力，对于需要高度控制语音细节的场景至关重要，它能够显著提高语音内容的制作效率和最终质量。传统TTS系统在修改局部内容时，往往需要重新合成整个句子或段落，可能导致整体韵律不一致或耗时较长。适用于有声读物制作、广告配音、游戏角色语音定制、教学课件开发等领域，在这些场景中，对特定词汇的强调、情感表达的细微调整直接影响内容的传达效果和用户体验。 🌟地址： https://github.com/derisk ai/OpenDerisk 🤖️AI应用 Cerebras推理API免费开放 Cerebras Systems宣布其高性能AI推理API正式向所有开发者“免费开放”，取消了此前的等待名单限制。开发者每日具有100万tokens的免费使用额度。 🌟地址： https://inference.cerebras.ai/?utm source=twitter No access 【AI视频】MultiTalk 卡通 250603 00:00 No access 【AI视频】MultiTalk 对话250603 00:00 No access 【AI视频】MultiTalk 卡通 250603 00:00 No access 【AI视频】MultiTalk 卡通 250603 00:00 No access 【AI视频】MultiTalk 卡通 250603 00:00 No access 【AI视频】MultiTalk 对话250603 00:00 No access 【AI视频】MultiTalk 对话250603 00:00 No access 【AI视频】MultiTalk 对话250603 00:00 No access 【AI视频】MultiTalk 写实250603 00:00 No access 【AI视频】MultiTalk 唱歌 250603 00:00 No access 【AI视频】MultiTalk 写实250603 00:00 No access 【AI视频】MultiTalk 写实250603 00:00 No access 【AI视频】MultiTalk 写实250603 00:00 No access 【AI视频】MultiTalk 唱歌 250603 00:00 No access 【AI视频】MultiTalk 唱歌 250603 00:00 No access 【AI视频】MultiTalk 唱歌 250603 00:00 No access 【AI视频】Captions AI真实的微表情和肢体语言 250603 00:00 No access 【AI视频】Captions AI真实的微表情和肢体语言 250603 00:00 No access 【AI视频】Captions AI新基础模型“Mirage“使用音频文件或脚本即可生成超逼真的有声视频01 250603 00:00 No access 【AI视频】Captions AI新基础模型“Mirage“使用音频文件或脚本即可生成超逼真的有声视频01 250603 00:00 No access 【AI视频】Introducing Bing Video Creator 250603 00:00 No access 【AI视频】Introducing Bing Video Creator 250603 00:00 🌟地址： https://blogs.bing.com/search/June 2025/Introducing Bing Video Creator?form=M30190&OCID=M30190 ATI (AnyTraj)：字节技术，任意轨迹指令下的可控视频生成 ATI是一种视频生成方法。创作者可以指定视频中物体（如人物、道具）的移动路径、镜头的推拉摇移轨迹，乃至物体形态的渐变过程，从而实现高度定制化的动态视觉效果。这种基于轨迹的可控性，极大地超越了以往基于文本提示词或简单条件（如固定运动模式）的视频生成方法，为视频创作带来了高自由度。 ATI Wan2.1 14B 型号已在 Hugging Face 上公开发布官方视频： No access 【AI视频】ATI 字节技术，任意轨迹指令下的可控视频生成250603 00:00 No access 【AI视频】ATI 字节技术，任意轨迹指令下的可控视频生成250603 00:00 🌟地址： https://anytraj.github.io/ 智源：发布并开源了新一代超长视频理解模型Video XL 2 北京智源人工智能研究院（BAAI）联合上海交通大学等机构，发布并开源了新一代超长视频理解模型Video XL 2。它能够更好、更快速地理解长视频，其核心能力在于能够高效处理长达“万帧”级别的视频序列。模型权重的全面开源。 Video XL 2不仅扩展了可处理视频的时长，还在效率上进行了优化，例如，官方资料显示其“编码2048帧视频仅需12秒”，并且支持“在单张显卡上高效处理长达万帧的视频输入”。其潜在应用场景包括：影视内容的深度分析、智能摘要与检索；大规模监控视频中的异常行为实时监测与预警；体育赛事技战术分析；以及对科学实验、自然现象等长时间记录数据的智能解读等。 🌟地址： https://unabletousegit.github.io/video xl2.github.io/ 🤖️AI图像 Topaz Labs Bloom：全新AI图像高清化工具 Topaz Labs宣布在其产品线中推出全新的图像升频器Bloom，这是一款专为高质量图像放大设计的AI工具。Bloom采用先进的人工智能算法，能够将图像最高放大8倍的同时保持清晰度和细节。该工具在放大过程中不仅保持原有图像质量，还能智能添加细节信息，并具有从“细微”到“极致”的 5 种创意模式， 🤖️AI音频 ElevenLabs：推出Conversational AI 2.0，打造更接近真人交谈体验的AI语音代理 ElevenLabs推出了Conversational AI 2.0，这是一个突破性的多语言对话AI系统。这项技术在客服、教育、娱乐等领域具有广泛的应用前景。特点： 1. 流畅的多语言对话切换：AI代理能够在一个对话中自然地切换和理解多种语言。 2. 集成RAG（检索增强生成）：通过结合检索增强生成技术，AI代理可以即时访问并整合外部知识库的信息，从而提供更准确、更丰富、更具上下文相关的回答。 3. 多模态交互能力：支持纯文本、纯语音或文本与语音同步的混合交互模式，满足不同场景和用户偏好。 4. 超拟人对话流控制：最为突出的亮点在于，AI 2.0能够“像真人一样理解何时暂停、何时说话、何时轮流”，展现出对对话节奏和时机的精准把握，使得交流过程更为自然流畅。 No access ElevenLabs推出Conversational AI 2.0 ，多语言对话切换、RAG、多模态，可以像真人一样理解何时暂停、说话 250603 00:00 No access ElevenLabs推出Conversational AI 2.0 ，多语言对话切换、RAG、多模态，可以像真人一样理解何时暂停、说话 250603 00:00 🌟信息地址： https://elevenlabs.io/blog/conversational ai 2 0 Play AI：发布PlayDiffusion，基于扩散模型的精确语音编辑该模型的独特优势在于支持对生成语音的精确编辑能力——用户可以单独修改一整段话中的任意单词，而不需要重新生成整个音频片段。这种“单词级精细编辑”能力，对于需要高度控制语音细节的场景至关重要，它能够显著提高语音内容的制作效率和最终质量。传统TTS系统在修改局部内容时，往往需要重新合成整个句子或段落，可能导致整体韵律不一致或耗时较长。适用于有声读物制作、广告配音、游戏角色语音定制、教学课件开发等领域，在这些场景中，对特定词汇的强调、情感表达的细微调整直接影响内容的传达效果和用户体验。 🌟地址： https://github.com/derisk ai/OpenDerisk 🤖️AI应用 Cerebras推理API免费开放 Cerebras Systems宣布其高性能AI推理API正式向所有开发者“免费开放”，取消了此前的等待名单限制。开发者每日具有100万tokens的免费使用额度。 🌟地址： https://inference.cerebras.ai/?utm source=twitter 🌟 06月03日 AI资讯【AI 视频】 • MultiTalk：音频驱动的多人对话视频生成技术 • Captions AI：发布 Mirage Studio，通过用户提供的“音频文件或脚本”直接生成“超逼真”的有声视频 • 微软：推出AI视频生成工具——Bing Video Creator • ATI：字节技术，任意轨迹指令下的可控视频生成技术，用户可指定视频中物体（如人物、道具）的移动路径， • 智源：开源新一代超长视频理解模型Video XL 2 【AI 绘画】 • Topaz Labs Bloom：全新AI图像高清化工具【AI 音频】 • ElevenLabs：推出Conversational AI 2.0，打造更接近真人交谈体验的AI语音代理 • Play AI：发布PlayDiffusion，基于扩散模型的精确语音编辑【AI 应用/模型】 • Cerebras：推理API免费开放 06月03日 AI资讯【AI 视频】 • MultiTalk：音频驱动的多人对话视频生成技术 • Captions AI：发布 Mirage Studio，通过用户提供的“音频文件或脚本”直接生成“超逼真”的有声视频 • 微软：推出AI视频生成工具——Bing Video Creator • ATI：字节技术，任意轨迹指令下的可控视频生成技术，用户可指定视频中物体（如人物、道具）的移动路径， • 智源：开源新一代超长视频理解模型Video XL 2 【AI 绘画】 • Topaz Labs Bloom：全新AI图像高清化工具【AI 音频】 • ElevenLabs：推出Conversational AI 2.0，打造更接近真人交谈体验的AI语音代理 • Play AI：发布PlayDiffusion，基于扩散模型的精确语音编辑【AI 应用/模型】 • Cerebras：推理API免费开放 🤖️AI 视频 MultiTalk：音频驱动的多人对话视频生成技术中山大学的研究团队（联合美团等机构）推出了名为MultiTalk技术，一个用于音频驱动的多人对话视频生成的新框架。给定一个多流音频输入、一张参考图像和一个提示，MultiTalk 会生成一段包含与提示一致的互动视频，其唇部动作与音频保持一致。支持卡通，写实画风，以及角色的说话与歌唱等基础场景相较于多数关注单人说话头部视频生成的研究，MultiTalk致力于解决更复杂的“多人对话”场景。为每个角色生成与音频同步的口型和自然面部表情，还处理多人之间的互动动态，如视线交流、轮流说话时的姿态变化等。官方视频： 🌟信息地址： https://meigen ai.github.io/multi talk/ Captions AI：发布 Mirage Studio，通过用户提供的“音频文件或脚本”直接生成“超逼真”的有声视频视频编辑和创作平台Captions AI推出了其全新的基础模型——"Mirage"，是音频驱动视频生成系统。Mirage能够仅使用音频文件或脚本就生成逼真的有声视频内容。 Mirage的核心特性之一是支持“参考图像角色插入”，允许用户提供一张人物图片，AI便能将该角色的形象和特征融入到生成的视频中，实现个性化数字人的创建，可以在多个场景中进行重复使用，并且生成的角色具有高质量的皮肤质感，光影效果。Captions AI强调，Mirage生成的AI演员是原创的，不受传统演员授权和版权的限制。 Mirage完善视频人物的肢体动作和微表情，生成更具表现力，并可以呈现自然的微笑，大笑，文本演绎的语气音表现。目前能力能够在mirage.app （ Mirage Studio）上使用。 mirage.app 官方视频：视频：真实的微表情和肢体语言视频：简单示例 @PJaccetturo 🌟信息地址： https://www.captions.ai/mirage https://mirage.app/ 微软：推出AI视频生成工具——Bing Video Creator 微软正式推出集成在Bing搜索引擎中的AI视频生成工具——Bing Video Creator 该工具由OpenAI领先的文本到视频生成模型Sora提供技术支持。用户仅需通过自然语言描述想要的场景、风格或故事情节，Bing Video Creator即可免费为其生成短视频。目前，该功能已在移动端上线目前支持生成5秒、9:16格式的视频，可排队生成三个视频，国内暂时无法使用。官方视频：

在小宇宙note 阅读完整内容