安爸

字节跳动发布了 Seed-Thinking-v1.5 的技术细节报告，也是一个基于强化学习训练的推理模型，从分数上来看比 DeepSeek-R1 高，处于接近 Gemini-2.5-Pro 和 O3-mini-high 的水平。 参考文献： [1] https://github.com/ByteDance-Seed/Seed-Thinking-v1.5 ...

阿里巴巴刚刚发布 FantasyTalking，它可以对角色进行口型同步，并具有逼真的面部和全身动作，它的表现优于当前的 SOTA 方法，如 OmniHuman-1、Sonic 和 Hallo 3。 参考文献： [1] https://fantasy-amap.github.io/fantasy-talking/ [2] https://github.c...

斯坦福大学HAI研究中心发布了《2025年AI指数报告》。 该报告涵盖了从AI硬件、技术性能到负责任的AI应用、发展、政策治理等多个方面的综合分析，也是全球分析AI最有深度、权威的报告之一。 原版报告：https://hai-production.s3.amazonaws.com/files/hai\_ai\_index\_report\_2025.pdf...

最近在做的一个应用要用到TTS，看到字节新开源的TTS，实测玩了玩。 你们有没有发现，在国内找个声音克隆做得好的应用还不太容易，可能在合规上比较难。 难也有可能是机会。 字节开源的MegaTTS3，参数只有0.45B，速度快到快到飞起！ 但是有优点就有缺点，目前只支持中英两种语言。 如果要求小语种的话，这个TTS肯定不是你的菜。 实测下来效果还是很好的，远超...

本文介绍了 VideoPainter，一种用于视频修复的双分支框架，旨在实现高质量的视频内容恢复和编辑能力。 通过构建大规模（390K 视频片段）视频修复数据集，结合轻量级上下文编码器（仅占骨干网络参数的 6%）和掩码选择性融合和修复区域 ID 重采样等模型架构来增强可扩展性和长视频 ID 一致性。这些创新显著提升了模型在背景保留和前景生成的平衡能力和时间...

独木不成林，但“人多嘴杂”也未必是好事！随着基于大型语言模型（LLM）的多智能体系统逐渐成为解决复杂问题的主流方案，一个令人头疼的问题也随之而来：多智能体之间的通信冗余。想象一下，一个团队里每个人都想发言，但大部分内容其实毫无意义，不仅浪费时间，还增加了沟通成本。 好消息是，这个问题终于有了解决方案！ 由同济大学、香港中文大学、北卡罗来纳大学等机构联合提...

机器之心报道 编辑：泽南 终极个人 AI 助理初现雏形。 今天凌晨，OpenAI 的 CEO 山姆・奥特曼突然发推说自己睡不着了，因为有重要新功能要推出。 很快，OpenAI 就正式发布了一个令人期待的新功能。 从今天开始，ChatGPT 在每次开启对话中都可以参考你过去的所有聊天记录，提供更加个性化的回复，并在建议中能够根据你的喜好和兴趣进行优化。有...

机器之心报道 机器之心编辑部 拥有行业最强多模态推理与交互能力的商汤「日日新 SenseNova V6」来了。 如果让大模型像人一样聪明，应该是什么样的？ 你可能会回答，我们生活的世界纷繁复杂，常常涉及多模态信息（如声音、文字、视觉、时间、空间等等），对大模型提出了极为复杂和严苛的挑战。 这要求大模型必须拥有极强的推理和交互能力。 GPT-4o 的出现让...

第一批受害者已出现。 作者 | 黎炫岐 编辑 | 陈邓新 用AI搜集资料、做PPT、改论文……虽然AI暂时还不能“替代”人类，但不可否认的是，AI正以前所未有的速度，渗透进普通人的日常工作和生活中。 然而，已经有越来越多人发现，AI或许并不能取代自己的工作，但或许能让自己丢掉工作。漏洞百出的数据、胡编乱造的资料和引用来源、禁不住考究的文史解读……当...

机器之心报道 编辑：Panda、+0 字节跳动豆包团队今天发布了自家新推理模型 Seed-Thinking-v1.5 的技术报告。从报告中可以看到，这是一个拥有 200B 总参数的 MoE 模型，每次工作时会激活其中 20B 参数。其表现非常惊艳，在各个领域的基准上都超过了拥有 671B 总参数的 DeepSeek-R1。有人猜测，这就是字节豆包目前正在使用...