OpenAI gpt-realtime 登场：让 AI 语音对话告别延迟
OpenAI 发表最新语音模型 gpt-realtime 及 Realtime API 重大更新。体验前所未有的低延迟、高拟真度和多模态互动，支持 SIP 通话、图片输入，并大幅降价 20%，为开发者与企业打造次世代语音助理开启新篇章。
298 月
文章库
好内容，值得慢慢读。
从模型突破到日常应用，探索 AI 世界的每一面。
最新文章
由新到旧，第 19 / 29 页Claude 更新用户条款：你的对话数据将如何塑造 AI 的未来？
AI 公司 Anthropic 近日宣布更新其 AI 助理 Claude 的消费者条款与隐私政策，赋予用户更大的数据控制权，可以自行决定是否允许其对话内容用于模型训练。本文将深入解析这次更新的重点、对用户的具体影响，以及 Anthropic 背后的考量。
腾讯混元新作 HunyuanVideo-Foley：AI 一键为影片配上高传真音效，影片创作者的福音！
探索腾讯混元推出的 HunyuanVideo-Foley，一款专业级 AI 影片音效生成工具。了解它如何透过多模态扩散模型，为短片、广告和游戏开发带来高传真、与画面完美同步的音效，彻底改变内容创作流程。
Google Vids 全新升级：用生成式 AI 轻松创造影片，人人都能是导演！
探索 Google Vids 最新的生成式 AI 功能！从图片生成影片、AI 虚拟人像到自动剪辑，制作专业影片从未如此简单。了解 Google Workspace 如何透过 AI 彻底改变您的内容创作流程，大幅提升工作效率。
让照片开口说话！阿里开源 Wan2.2 模型，一张图加一段音频秒生影片
想象一下，只要一张静态照片和一段录音，就能让画中人物栩栩如生地开口说话。这不再是科幻电影的场景。阿里 Wan 团队正式开源了其最新的音频驱动视频生成模型 Wan2.2-S2V-14B，为内容创作与数字互动开启了全新的可能性。
xAI 震撼弹！ Grok Code Fast 1 (Sonic) 登场，256K 超长上下文窗口免费试用中
Elon Musk 旗下的 xAI 公司再次投下重磅消息，正式发布专为程式设计打造的 AI 模型——Grok Code Fast 1，代号「Sonic」。此模型不仅拥有惊人的 256,000 token 上下文窗口，更具备函数调用、结构化输出等强大功能。现在，开发者们可以透过 GitHub …
Google 重磅发表 Gemini 2.5 Flash Image (nano-banana)：AI 图片生成与编辑的新纪元
探索 Google 最新 AI 图像模型 Gemini 2.5 Flash Image (nano-banana)。本文将深入解析其强大的多图融合、角色一致性、自然语言编辑等革命性功能，以及如何为开发者和企业带来前所未有的创意控制力。
Google 翻译，不只是翻译！ AI 新功能让你出国畅聊、在家轻松学语言
探索 Google 翻译最新的两大 AI 功能！体验支持超过 70 种语言的即时对话翻译，以及专为你打造的个性化语言练习。无论是出国旅游还是学习新语言，这款应用程序都将成为你最得力的沟通伙伴，让语言不再是隔阂。
微软 VibeVoice 横空出世：90分钟超长语音、多人对话，AI 播客的未来已来？
探索微软最新开源文本转语音 (TTS) 模型 VibeVoice。它提供 1.5B 和 7B 两种版本，支持长达 90 分钟的语音生成、最多 4 人对话、优异的中文效果和背景音乐，正在彻底改变有声书和播客的制作方式。
NotebookLM 重大更新！影片摘要支援 80 种语言，简报生成体验颠覆你的想像
Google 的 AI 笔记工具 NotebookLM 最近迎来了重大更新。 Video Overviews 功能不再仅限于英文，现已支援多达 80 种语言，让跨语言的影音内容处理能力大幅提升。同时，Audio Overviews 也变得更加灵活。一起来看看这次更新有哪些亮点，以及它如何改 …