Stability AI近日开源了名为Stable Audio Open Small的文本转音频模型，该模型拥有3.41亿参数，专为在Arm架构的CPU上高效运行而优化。这一突破性技术使得在智能手机上生成11秒的音频片段仅需不到8秒的时间，极大地提...

最新研究发现，大语言模型（LLMs）虽然在单轮对话中表现优异，但在多轮对话场景下性能显著下降。这项发表在arXiv上的研究通过大规模模拟实验揭示了这一现象：在六项生成任务中，LLMs的多轮对话表现平均下降39%。研究...

人工智能研究机构Ai2近日推出其最新研发的小型AI模型Olmo 2 1B，该模型拥有10亿参数，在关键基准测试中表现优异，超越了谷歌和Meta等科技巨头发布的同规模模型。这一突破性进展展示了小型化AI模型的巨大潜力，表明在...

人工智能平台Hugging Face近日发布了一项突破性的语音转录服务——Whisper极速端点（Fast Whisper Endpoint）。这项创新技术通过优化模型架构和计算资源分配，实现了高达8倍的转录速度提升，为语音处理领域树立了新的...

微软正计划在其Azure AI Foundry平台上托管埃隆·马斯克开发的Grok人工智能模型，这一举措可能将于5月19日举行的微软Build开发者大会上正式宣布。尽管微软与OpenAI存在潜在竞争关系，但这一战略部署凸显了微软意图通...

加州大学团队在GitHub开源了UCGM项目，为生成式AI领域带来突破性技术框架。该项目创新性地构建了统一架构，可同时支持多步（如扩散模型）和少步（如流模型）连续生成模型的训练与采样流程。通过数学层面的抽象整合，...

近期GitHub开源项目EAR提出了一种突破性的视觉自回归生成方法，通过采用严格适当评分规则（如能量评分）绕过了传统量化步骤，直接在连续数据空间中进行生成。该技术摒弃了传统概率建模的约束，通过数学上严谨的评分...

Miyagi Labs（YC W25）近日推出了一款AI驱动的教育平台，能够将YouTube上的教育视频转化为互动式在线课程。该平台利用大型语言模型（LLM）自动生成测验、练习题和实时反馈，从而将被动观看视频转变为主动学习。创始...