
2秒钟转写5分钟音频!国产新语音模型拿下多项SOTA,定价骤减90%(在新窗口打开)
阶跃星辰今日发布新一代自动语音识别模型StepAudio 2.5 ASR。该模型面向语音转写与长音频处理场景,在架构上引入Multi-Token Prediction(多Token预测)以提升推理效率,并通过扩展上下文窗口强化长内容识别能力。
共 254 篇

阶跃星辰今日发布新一代自动语音识别模型StepAudio 2.5 ASR。该模型面向语音转写与长音频处理场景,在架构上引入Multi-Token Prediction(多Token预测)以提升推理效率,并通过扩展上下文窗口强化长内容识别能力。

今天上午,DeepSeek V4 发布,直接把这个大模型疯狂更新月推向了最高潮。不过在我翻看 V4 的技术报告的时候,在训练层面看到了一个被大部分人滑过去的名词:Muon 优化器。

694,000 次浏览。 一篇 X Article,发布三天,将近 70 万阅读量。不是 Elon Musk 的推文,不是某家大公司的公告,是一个叫 GRITCULT 的账号,写的一篇叫《营销已死,Distribution Engineer 万岁》的长文。1.5K 点赞,235 次转发,55 条回复。

真的没人管管GitHub刷星吗…… 早就听说Star能买,甚至比点外卖还方便,5毛一颗,量大打折。 但没想到造假动静这么大。卡内基梅隆大学一篇ICSE 2026顶会收录研究,把这项“产业”扒了个底朝天—— GitHub上存在约600万颗假Star,分布在18617个仓库,背后牵扯超过30万个造假账号。 的确,现在GitHub标星还真有点数值膨胀的意思。 放以前,几万星的项目是公认的顶级标杆,但现在随便大量新兴项目都能轻松冲高星、上热门。 原来是因为买得起啊(doge)。 而且很扎心的是,AI/LLM项目是假星重灾区…… 假星产业链 CMU团队研发了一个可大规模检测异常Star行为的工具Star

人才奇点先于AGI到来!Meta狂挖Mira Murati120亿估值公司,第5人正式就位。巨头不再买公司,而是直接买大脑——这场抢人大战,让所有AI创业者后背发凉。

仅凭一点线索,Claude就复活了一个30年前的传奇游戏。目前评论已经盖到了一百多楼,网友的共识是:这篇帖子堪称传奇。发帖人是游戏开发商Beamable的CEO Jon Radoff,他用Claude复活了自己19岁时开发的MUD(多人即时虚拟类)游戏——

近日,上海人工智能实验室联合南京大学、香港中文大学及上海交通大学,将OpenClaw的成功应用于多模态生成领域。他们提出GEMS(Agent-Native Multimodal Generation with Memory and Skills),激发小模型潜力,甚至让6B小模型在部分任务超越了Nano Banana 2。

最近,来自Meta与University of Copenhagen的研究者提出了OneStory: Coherent Multi-Shot Video Generation with Adaptive Memory(收录于CVPR 2026)。这项工作聚焦于一个核心问题:如何在生成多镜头视频时,有效保留长程跨镜头上下文,从而实现更强的叙事一致性。

在构建多Agent系统(Multi-Agent Systems)时,让几个Agent互相“对话”并不难,但要让它们在局部状态不一致的情况下,敲定一个全局唯一的决策,也就是达成“一致”(Agree)或“共识(Consensus)”,却是一个极具挑战的工程难题,您可能会问为什么,这有何难?

在会上,昆仑万维旗下天工 AI 重磅发布了全新 AI 游戏世界模型 Matrix-Game 3.0、AI 视频大模型 SkyReels V4 和 AI 音乐大模型 Mureka V9,在继续强化 AIGC 理解与生成能力的同时,进一步推进 AI 对物理世界的建模与仿真。