
3D创作迎来ChatGPT时刻:Meshy发布全球首个3D AI Agent (opens in a new tab)
在3D创作这个圈子,一直有个心照不宣的扎心真相: 那就是最难的一步从来不是生成,而是让模型变为可用资产。
Total 8436 articles

在3D创作这个圈子,一直有个心照不宣的扎心真相: 那就是最难的一步从来不是生成,而是让模型变为可用资产。

视频生成,早已不止于视觉。 随着生成式AI发展,联合视频—音频生成正成为重要研究方向。与视频优先、音频后期合成的传统流水线相比,原生同步生成的视听内容跨模态一致性更强,用户体验更沉浸。 但问题在于,现有开源模型面对复杂语义时力不从心。 遇到多阶段动作的组合式指令、涉及人与物体交互的复杂任务时,模型往往无法准确建模场景中的时序逻辑和因果关系——不仅要求长程语义推理能力,还必须在推理中维持视频与音频的时空一致性。 核心矛盾在于:现有方法依赖粗粒度全局文本嵌入指导扩散过程,无法将多阶段动作与多说话人对话分解为具有时间对齐的指导信息,视频和音频去噪轨迹因此各自演化,最终跨模态失配。 为解决这一问题,复

每一次技术范式的重大转换,都是旧秩序松动、新物种诞生的窗口期。

最近几个月,海外主流社交平台X、YouTube、Instagram、LinkedIn、Facebook等的头部内容创作者,开始高频地提及同一个名字——AhaCreator 3.0。从科技博主、消费电子达人,到跨境电商品牌主理人,再到拥有百万粉丝的内容创作者,越来越多人在自己的内容中分享使用体验。

AI 的能力边界正在不断被刷新。从数学推理到代码生成,再到数字化白领,语言模型和语言智能体在诸多基准测试中已展现出超越人类专家的表现。一个看似顺理成章的判断早已成为共识:语言模型已经具备了扎实的语言理解和语义推理能力。然而,ACL 2026 Oral 的一项研究工作从一个更基础的层面重新审视了这个问题:语言模型真的理解(短语)语义吗?

Fable 5正在引发众多质疑:一声「你好」就能触发警报,一问高端技术就会被暗箱降智。Anthropic的安全承诺,正在变成一场开源圈愤怒的「安全谎言」。

AI编程的天花板,又被Claude Fable 5 抬高了。

最近刷资讯的时候,我看到好几个海外大V都在推一个叫 AhaCreator 的产品,是一个 AI 达人接单平台,视频播放量和互动数据都还挺不错。

就在刚刚,Siri借谷歌的1.2万亿参数Gemini「重生」了!在今夜的苹果WWDC 2026上,Siri彻底迎来新生。结合设备端小模型,苹果打造了混合智能架构,让Siri在各个APP之间无缝穿梭。

不聊概念,4 个真实工作场景跑一圈 很多人对商汤的印象可能还停留在 AI 四小龙时期。这一轮大模型的聚光灯更多打在了基础模型和对话产品上,商汤的名字出现得没那么频繁。 但商汤这几年并没有闲着。大装置、大模型、应用三条线一直在推。其中离普通用户最近的,是「小浣熊家族」这条产品线。「办公小浣熊」最早靠数据分析起家,网页端运营了几年,累积了 1500 万用户,也进了不少企业流程。 最近办公小浣熊出了桌面端 2.0。跟网页版不一样,桌面端 2.0 这次可以直接读取本地文件、操控浏览器、自动执行工作流。 到底好不好使,我用四个日常工作场景实际测试了一圈。 办公小浣熊,入驻本地 第一件事,我想试试它读本地