阿里雲 Qwen-Image-Layered 登場：AI 終於學會用圖層修圖了
阿里雲最新發布的 Qwen-Image-Layered 模型，正試圖解決生成式 AI 長久以來的痛點。本文將解析該模型如何透過 RGBA 分層技術，將圖像分解為可獨立編輯的素材，實現精準的物件移除、文字修改與無限遞歸分解，讓 AI 生圖不再只是一張扁平的圖片，而是進入了專業工作流。
2212 月
文章庫
好內容，值得慢慢讀。
從模型突破到日常應用，探索 AI 世界的每一面。
最新文章
由新到舊，第 43 / 109 頁AI 日報: AI 代理終於有了自己的 UI 語言？Google A2UI 與 Anthropic Bloom 引領開發新浪潮
今天 AI 圈的消息可說是「軟硬兼施」，從開發者底層的協議到使用者直接面對的工具都有重大更新。如果你覺得最近 AI 代理（Agents）的發展有點卡在文字互動的瓶頸，那麼 Google 推出的 A2UI 協議絕對會讓你眼睛一亮。與此同時，Anthropic 也不甘示弱，開源了強大的行為評估 …
AI 日報: GPT-5.2-Codex 定義新標準，Google DeepMind 進軍國家級科學任務
今天的 AI 圈子熱鬧非凡，科技巨頭們似乎約好了一起發布年度級的重磅更新。對於開發者、科學家和企業決策者來說，這是一個必須關注的轉折點。OpenAI 透過 GPT-5.2-Codex 再次拉高了程式碼生成的標準，Mistral AI 在文件處理上展現了驚人的精準度，而 Google 則一口 …
微軟 TRELLIS.2 開源登場：40 億參數模型如何重新定義單圖轉 3D 的高畫質標準
微軟研究團隊最新發布了 TRELLIS.2，這是一款擁有 40 億參數的圖片轉 3D 模型，採用創新的 O-Voxel 表徵與 SC-VAE 技術。本文將解析其如何實現 1536³ 解析度的高精細度生成，並探討其在 PBR 材質還原與幾何結構上的突破。
告別雲端延遲：NeuTTS Air 讓裝置端也能擁有超擬真語音
語音 AI 技術終於不再被昂貴的 API 和網路延遲綁架。Neuphonic 推出的 NeuTTS Air 是一款基於 0.5B 語言模型的輕量級語音生成工具，主打在本地裝置上運行，僅需 3 秒音訊即可完成聲音複製。這篇文章將帶你了解它如何改變語音助理、智慧玩具及隱私應用的開發邏輯。
MiraTTS：突破極限的語音合成新星，如何實現 100 倍實時生成與 48kHz 高音質？
想要擁有真人般的 AI 語音，卻受限於硬體或生成速度嗎？MiraTTS 橫空出世，這款基於 LLM 的語音合成模型不僅只需 6GB VRAM 即可運行，更透過 Lmdeploy 與 FlashSR 技術，達成了 100 倍實時生成速度與 48kHz 的廣播級音質。 …
Gemini 3 Flash：Google 如何打破「聰明即緩慢」的 AI 慣例？
記得嗎？過去我們在挑選 AI 模型時，總感覺像在做一道兩難的選擇題：究竟要選一個「腦袋好，但反應有點慢，而且價格不菲」的頂級模型，還是要一個「反應快，口袋負擔輕，但偶爾會犯點小迷糊」的輕量級選手？這就像在追求速度與智慧之間，得被迫做出取捨。
AI 日報: Google 強勢推出 Gemini 3 Flash 搶攻速度與成本優勢，OpenAI 開啟 ChatGPT 應用商店大門
在這波人工智慧的浪潮中，12 月似乎成為了各大科技巨頭展示肌肉的關鍵時刻。Google 不僅更新了模型，更直接將戰場拉到了「速度」與「實用性」的極致平衡；OpenAI 則選擇擴大生態系，讓開發者真正能在 ChatGPT 平台上建立商業模式；而 Microsoft 默默地在 3D 生成領域投 …
阿里雲重磅開源 CosyVoice 3：0.5B 小參數模型展現驚人語音合成實力
阿里雲 FunAudioLLM 團隊最新發布 CosyVoice 3，這款僅 0.5B 參數的 TTS 模型支援中英日韓等 9 種語言及 18 種方言，具備 150ms 極低延遲與超高擬真度。本文詳細解析其技術特點、與 F5-TTS 等模型的評測數據對比，以及如何實際應用。
小米 MiMo-V2-Flash 強勢來襲：以 150 億參數的運算成本，駕馭 3090 億參數的頂級智慧
小米 MiMo-V2-Flash 震撼登場！透過創新的 MoE 架構，以 15B 活躍參數的運算成本，發揮 309B 總參數的頂級智慧。深入了解小米如何利用多 Token 預測與優化注意力機制，打破開源模型效率極限，實現高智商與低延遲的完美結合。