> Google DeepMind 推出的 Project Genie 突破了传统内容生成的边界，允许用户通过文本或图片即时构建可交互的虚拟世界。这项基于 Genie3 和 Gemini 模型的技术，不仅实现了画面的实时渲染，更赋予了场景深度的物理交互能力。

## 文本到世界的维度跨越

Google DeepMind 近日向部分用户开放了其革命性的 AI 模型——Project Genie。这款工具的核心突破在于，它不再局限于生成静态图像或线性视频，而是能够根据用户的简单文本描述或上传的静态图片，即时构建出一个“活”的、可探索的虚拟环境。

这一技术的背后，是多种顶尖 AI 模型的深度融合。以 **Genie3** 为基座，结合 **Nano Banana Pro** 图像生成模型以及 **Gemini** 多模态模型的理解能力，系统能够瞬间将自然语言转化为沉浸式的互动场景。无论是科幻小说中掠过异星的飞船，还是纪录片中亚马逊雨林的探险，用户都能在生成的瞬间进入其中进行像电子游戏一样的自由探索。

![Google_AI_Studio_2026-02-02T03_03_18.750Z.png](https://static.downly.cn/images/58ec14d30776153073744aeee123a24d.png)<center>图源备注：图片由AI生成</center>

## 实时交互与动态渲染

与传统的视频生成模型（Sora 等）不同，Project Genie 的护城河在于“实时交互”。

* **动态渲染** 系统会捕捉玩家的操作（如移动角色、转换视角），并实时计算和渲染下一帧画面，而非预先生成的固定视频流。
* **物理反馈** 演示显示，当用户控制角色与场景物体互动时，环境会给予反馈。例如，蓝色小球滚过草地时，草地的颜色轨迹会根据物理接触发生实时改变。
* **高度定制** 用户不再是被动的观众，而是创作者。上传手绘草图或现实照片，即可将其转化为游戏关卡，并自行设定交互逻辑。

## 应用前景与当前局限

目前，Project Genie 仍处于早期实验阶段，仅面向拥有美国地区 Google AI Ultra 账户且年满 18 岁的用户开放。受限于庞大的算力需求，当前的体验时长被限制在 60 秒以内，且偶有技术故障发生。

尽管如此，DeepMind 团队对该技术的未来充满信心。他们正致力于突破时长限制，并赋予用户对环境更精细的控制权。从长远来看，Project Genie 有望彻底重塑游戏开发流程，帮助电影导演快速进行分镜可视化，甚至在教育和应急救援领域，通过模拟复杂场景来提供低成本、高保真的训练环境。

DeepMind发布Project Genie 开启文本即时构建交互世界新纪元

> 埃隆·马斯克进一步加码 xAI 商业版图，宣称将于年底推出全 AI 生成游戏，并计划在明年实现影视与游戏内容的实时定制化生成，意图颠覆传统内容开发范式。

## 激进预测 挑战全自动内容生产

据科技媒体 TweakTown 报道，埃隆·马斯克再次对外界展示了其人工智能公司 xAI 的宏大愿景。继 2025 年预测 xAI 旗下工作室将推出“出色的 AI 游戏”后，马斯克昨日在 X 平台进一步细化了这一目标：明年将大规模推出具备高画质、可实时生成且高度个人定制化的影视内容和电子游戏。

与目前行业中仅使用 AI 辅助资产制作（如《Arc Raiders》）的模式不同，马斯克所描绘的图景是彻底的“全链路生成”——从核心玩法逻辑、美术视觉设计到动态关卡构建，全部由人工智能实时产出，无需传统的人工开发介入。

![Google_AI_Studio_2026-01-31T03_24_09.264Z.png](https://static.downly.cn/images/8bc113f23bfd64a2ea0e8212e98410d3.png) <center>图源备注：图片由AI生成</center>

## 行业震动 信心与质疑并存

这一构想若能落地，将标志着数字娱乐产业进入“实时定制化”的新纪元。然而，目前全球范围内尚未出现真正具备商业化潜力的纯 AI 生成游戏实机演示。业界分析认为，马斯克此举既是对 xAI 算力与算法积累的极致自信，也是对传统游戏工业漫长开发周期的宣战。

尽管马斯克在科技领域的预言常伴随着“跳票”风险，但 xAI 在大模型领域的快速追赶让这一赌注充满了不确定性的吸引力。市场正在观望，xAI 是否真能凭一己之力重塑内容创作的底层逻辑。

马斯克再放豪言 xAI 计划推出全链路 AI 生成游戏与影视内容

> 2025年末，腾讯混元团队开源 HY-Motion1.0，这款基于 DiT 架构的模型仅需文本描述即可生成高保真3D动画，不仅打破了国外技术垄断，更直接打通了 Blender 与 Unity 的工作流，大幅降低了游戏开发门槛。

## 文本驱动3D的架构突破

2025年12月30日，腾讯混元团队正式对外开源了十亿参数级的文本到3D动作生成大模型——HY-Motion1.0。该模型的核心突破在于采用了 Diffusion Transformer (DiT) 架构与流匹配机制。这一架构设计使得模型能够理解复杂的自然语言指令，并将其转化为高保真、流畅多样的3D角色骨骼动画。

对于开发者而言，HY-Motion1.0 的最大价值在于其“即插即用”的兼容性。生成的动作数据直接支持 SMPL-H 骨骼格式，能够无缝导入 Blender、Unity、UE 等主流3D制作工具。这意味着，从简单的角色行走，到复杂的《黑客帝国》式子弹时间下腰，开发者只需输入一段提示词，即可获得可用的动画资产。

![Google_AI_Studio_2026-01-01T03_30_02.984Z.png](https://static.downly.cn/images/7392c60c23fe97d7b02aa2adad8e4a03.png)
<center>图源备注：图片由AI生成</center>

## 全阶段训练与强化学习优化

为了实现动作的自然度与物理合理性，HY-Motion1.0 采用了严谨的全阶段训练策略。
首先，模型在超过3000小时的多样化动作数据上进行预训练，建立了通用的运动先验知识；
其次，通过400小时的精选高质量数据进行微调，重点提升动作细节的流畅性；
最后，引入强化学习（RLHF）机制，结合人类反馈与奖励模型，解决了生成动作中常见的“滑步”或关节扭曲问题，确保了动作符合物理规律且与文本语义高度对齐。

实测数据显示，该模型在指令遵循能力上达到了78.6%（SSAE指标），动作质量评分全面超越了 MoMask 和 DART 等现有的开源基线模型。

## 游戏工业的效率革命

HY-Motion1.0 的开源对于游戏开发行业具有显著的降本增效意义。在 MMO 或动作类游戏的开发中，海量的 NPC 日常行为（如闲逛、互动）往往占据了动画师大量精力。现在，这款端到端模型可以快速批量生成此类基础动画，显著加速项目的预研与迭代周期。

尽管在跳台滑雪等极限运动的还原上仍有优化空间，但其发布的轻量版 HY-Motion-1.0-Lite（0.46B参数）已经为个人开发者和小型工作室提供了强大的生产力工具，预示着 AI 辅助3D内容创作（AIGC 3D）正加速进入实用化阶段。

腾讯混元重磅开源十亿参数3D动作生成模型

> 导语：今日AI界风起云涌，从微软明确AI伦理界限，承诺不涉足情色内容，到国内中科大与字节跳动联手推出分钟级长视频生成模型MoGA，实现技术新突破。同时，Kimi、蚂蚁集团和百度分别在开发者服务、多模态应用及OCR技术上取得显著进展，而EA与Stability AI的合作则预示着AI将深度赋能游戏产业的未来。

## 微软AI划清伦理红线，公开承诺不开发情色AI

微软AI业务的首席执行官苏莱曼近日明确表示，公司将不会涉足情色类AI服务的开发。这一声明是在OpenAI调整其相关政策之后发布的，凸显了微软在生成式AI领域的伦理立场，表现出其在技术发展中对社会责任的审慎和担当，致力于将AI服务严格限定在非情色应用范畴。

![image.png](https://static.downly.cn/images/efc8268600bca132616ef14fc0c94f0a.png)
图源备注：图片由AI生成
 

## Kimi专为开发者打造会员服务，编程效率再升级

Kimi公司为其编程工具“Kimi For Coding”推出了全新的增值会员计划，旨在为广大开发者提供更卓越的开发体验。该计划集成了Kimi CLI、Claude Code、RooCode等多种高效工具与服务，致力于大幅提升编程效率和代码生成速度。会员将享有每5小时100至500次的请求额度，且系统响应速度高达每秒100个Tokens，为编码工作注入强劲动力。

![image.png](https://static.downly.cn/images/2fdfa0155d70e4ad94ab43a4e17fb979.png)
图源备注：图片由AI生成
 

## 国产AI视频生成迎突破，中科大与字节联合发布MoGA模型

中国科学技术大学与字节跳动联合团队近日发布了一款名为MoGA的端到端长视频生成模型，标志着国产AI视频生成技术取得了重大突破。该模型能够一键生成长达一分钟、分辨率为480p、帧率为24fps的高质量短片，并且创新性地支持多镜头语言的自动切换。MoGA的核心优势在于其全新的注意力机制，为长视频内容的流畅生成与叙事逻辑提供了有力支撑。

![image.png](https://static.downly.cn/images/77f8192c655c59e596c148adc423fbac.png)
图源备注：图片由AI生成
 

## 蚂蚁集团入局多模态，AGI相机“灵光”开启内测

蚂蚁集团旗下全新的多模态应用“灵光”已正式启动内部测试。用户可通过手机号或支付宝账号登录体验。该应用的最大亮点是其内置的“AGI相机”功能，它能够利用手机镜头实时理解和识别现实世界中的物体与场景，并支持“即拍即问”的智能交互方式。此举展现了蚂蚁集团在多模态AI应用领域的探索与布局。

![image.png](https://static.downly.cn/images/70410b0b1f36da948fd75037584b2a82.png)
图源备注：图片由AI生成
 

## 百度飞桨新模型登顶全球OCR榜单

百度飞桨（PaddlePaddle）团队最新发布的PaddleOCR-VL视觉语言模型，在全球权威的OCR（光学字符识别）评测基准OmniDocBench V1.5中，以92.56的高分成功登顶，超越了包括DeepSeek-OCR在内的多个强大竞争对手。该模型以其0.9B的参数规模实现了卓越性能，并且在知名开源社区Huggingface的趋势榜上连续五日霸榜第一，彰显了其强大的技术实力与广泛的社区影响力。

![image.png](https://static.downly.cn/images/0372bb412dce5f51e522e1dd0e1db8e6.png)
图源备注：图片由AI生成
 

## EA联手Stability AI，探索AI在游戏开发中的无限可能

全球知名游戏开发商EA（Electronic Arts）宣布与人工智能公司Stability AI达成战略合作，计划将Stable Diffusion等先进的AI技术深度整合到游戏开发流程中。双方将共同研发适用于游戏制作的AI模型与工具，旨在重塑内容创作流程，加快开发迭代速度，并拓展创意边界。EA强调，此次合作中AI将作为提升效率、优化工作流的辅助工具，其核心目的并非取代人类设计师的创造力。

![image.png](https://static.downly.cn/images/837c84f5d882bb3407117fa2888cea13.png)
图源备注：图片由AI生成

每日AI资讯1025：国产长视频模型实现突破，多家巨头发布AI新应用与新规

> 导语：今日AI领域精彩纷呈，技术革新正深刻改变着数字内容的创作与消费方式。从Luma AI的推理视频模型，到腾讯混元的分钟级3D创作工具，再到阿里云开源的动作生成模型，AI正在将专业级的影视与3D制作能力普及化。同时，AI也在重塑我们的怀旧体验与工作效率，无论是腾讯视频通过AI修复经典老片，还是Notion、微软Teams推出的AI智能体，都在深刻地改变着我们的娱乐和工作模式。

## AI修复经典，腾讯视频让老剧焕发4K新生

腾讯视频近期上线了“AI修复”片单，利用先进的AI技术，将《家有儿女》、《食神》等一批承载着观众集体回忆的经典影视作品，成功修复至4K超高清画质。这项技术不仅提升了分辨率，还显著增强了画面的纯净度与播放流畅度，为SVIP用户带来了“臻彩MAX”的一键升级观影体验，让模糊的记忆瞬间变得清晰，引发了一波怀旧热潮。

![image.png](https://static.downly.cn/images/5330f3e9a8a4ce0c837ed52f545211d4.png)
<center>图源备注：图片由AI生成</center>
 

## AI“听诊”超声波，香港“聆音”大模型让诊断更轻松

为了应对超声科医生严重短缺的现状，香港中科院团队研发了名为“聆音”（EchoCare）的超声大模型。该模型基于全球首个超400万张超声影像的数据集进行训练，旨在提升诊断的效率与准确性。面对中国每年高达20亿次的检查需求和15万名医生的缺口，“聆音”的出现有望大大缩短医生的培养周期，让AI成为医生的得力助手。

![image.png](https://static.downly.cn/images/fce9ed72cfdff05ef190de7d33980c83.png)
<center>图源备注：图片由AI生成</center>
 

## 阿里云Wan2.2-Animate模型开源，人人都是动作导演

阿里云最近全面开源了其新一代动作生成模型Wan2.2-Animate。该模型在生成视频的人物一致性和动作质量上实现了巨大飞跃，无论是短视频创作、舞蹈模仿还是动漫制作，用户都能轻松上手。模型支持动作模仿和角色扮演两种模式，创作者可以通过GitHub等平台免费获取，极大地降低了高质量动画制作的技术门槛。

![image.png](https://static.downly.cn/images/ac11a65ff2e32754d632d00e93a92ec7.png)
<center>图源备注：图片由AI生成</center>
 

## AI音乐创作迎革命，Suno v5模型即将震撼发布

AI音乐生成领域的领跑者Suno公司，即将在全球范围内推出其第五代音乐模型“v5”。从发布的预告视频来看，新模型在音乐质量、可控性和创造性上都将有“变革性”的提升。v5的发布预示着AI音乐创作将进入一个新纪元，进一步模糊人机创作的界限，让无论是音乐爱好者还是专业制作人，都能以前所未有的便捷方式，将脑海中的旋律变为现实。

![image.png](https://static.downly.cn/images/14f8d1aaa759386f68ba4c5f0bac46b9.png)
<center>图源备注：图片由AI生成</center>
 

## 3D创作进入“分钟”时代，腾讯混元3D Studio惊艳亮相

腾讯混元3D Studio的推出，彻底颠覆了传统3D资产的生产流程。这款专为3D设计师和游戏开发者打造的AI工作台，将原本以“天”为单位的3D建模和创作周期，极速缩短至“分钟”级别。它支持从文本到图像生成，再到任意姿势的角色转换，实现了从概念设计到动画制作的全流程一站式AI创作体验。

![image.png](https://static.downly.cn/images/19ce0d0f51846f835ea33211d223e75e.png)
<center>图源备注：图片由AI生成</center>
 

## Luma Ray 3模型发布，AI视频一键“思考”生成4K大片

Luma AI公司发布了全球首个“推理视频模型”——Ray 3。这个模型内置了强大的多模态推理系统，能够深刻理解用户的意图，自主规划复杂的场景并进行自我评估和修正。它就像一位经验丰富的动画师，能够将简单的草图或文字描述，一步步“思考”并创作出电影级别的4K HDR视频，极大地提升了AI视频生成的艺术性和准确性。

![image.png](https://static.downly.cn/images/654106a08f3a69cc222bd2f424ab8239.png)
<center>图源备注：图片由AI生成</center>
 

## 数据价值引关注，Reddit与谷歌重议AI合作

社交媒体平台Reddit正在与科技巨头谷歌就AI数据交易展开新一轮谈判。Reddit希望在这次合作中争取到更有利的条款，旨在获得更多资金支持，并提升自身在谷歌AI生态中的战略地位。此次谈判也反映出AI时代下，内容平台正在积极探索如何平衡用户数据价值与商业变现，以开创新的收入来源。

![image.png](https://static.downly.cn/images/cac374fcabe6ca96fe88dfb7f1793b3b.png)
<center>图源备注：图片由AI生成</center>
 

## 谷歌联手PayPal，AI智能体将重塑电商购物体验

谷歌与支付巨头PayPal宣布达成一项多年的深度合作。双方将融合谷歌领先的AI技术与PayPal成熟的支付基础设施，共同打造由“智能体”（Agent）驱动的全新AI购物体验。这项合作将重点推广谷歌新推出的Agent支付协议，未来，AI助手或许能帮你完成从挑选商品到完成支付的全过程，预示着电商生态可能迎来重大变革。

![image.png](https://static.downly.cn/images/9a63d9d2d5186f9068bd5100b39274e7.png)
<center>图源备注：图片由AI生成</center>
 

## Meta推出Hyperscape Capture，人人都是VR场景构建师

Meta公司为Quest 3用户带来了一款名为Hyperscape Capture的Beta版工具，它让普通用户也能轻松创建照片级的VR场景。通过这项工具，用户可以扫描现实世界中的任何物体或空间，并将其以极高的保真度在VR中重现。这标志着去年大会上承诺的高斯飞溅技术正式向消费级应用开放，极大地推动了虚拟现实体验的真实感和沉浸感。

![image.png](https://static.downly.cn/images/e87e6de686ad93daf6fb30b715a4e095.png)
<center>图源备注：图片由AI生成</center>
 

## Notion发布AI智能体，你的专属自动化工作秘书

生产力工具Notion推出了其首个AI智能体，将自动化提升到了新高度。这个智能体能够深度整合用户所有的Notion页面和数据库，自动完成生成会议纪要、撰写竞品分析报告等复杂任务。它甚至能连接Slack、邮件等外部平台，根据收到的信息自动创建和更新数据库，20分钟内处理数百页文档，堪称一个不知疲倦的超级秘书。

![image.png](https://static.downly.cn/images/404bae6d5e9c3f9c16cb264059047a35.png)
<center>图源备注：图片由AI生成</center>
 

## 微软为Teams引入AI助手，会议从此高效不超时

微软为其协作平台Teams上线了全新的AI助手功能，专供Microsoft 365 Copilot用户使用。该助手的核心是“主持人助手”，它可以在会议中实时发挥作用，不仅能自动生成会议纪要、回答与会者提问，还能主动管理会议议程、合理分配发言时间，有效防止会议超时。移动端助手的同步推出，让高效协作随时随地发生。

![image.png](https://static.downly.cn/images/c1f2bab301f96490d49b20710ed05d8a.png)
<center>图源备注：图片由AI生成</center>

每日AI资讯0920：AI重塑数字内容创作，从经典修复到分钟级3D建模



> 今日AI界风起云涌，马斯克旗下xAI将苹果与OpenAI告上法庭，指控其垄断行为。同时，一种利用图像重采样技术的新型AI攻击方式被揭露，为安全领域敲响警钟。各大科技巨头则竞相发布创新工具：字节跳动内测3D模型生成器，谷歌NotebookLM解锁80种语言，微软与阿里分别开源超长语音合成及视频修复模型，腾讯推出游戏AI大模型大幅提升动画制作效率。这些进展预示着AI技术在应用层面正迎来新一轮的爆发。

## 巨头之争 xAI正式起诉苹果与OpenAI
埃隆·马斯克创立的xAI公司已在美国联邦法院对苹果和OpenAI提起诉讼。诉讼指控两家公司通过签订排他性协议，非法合谋阻碍人工智能领域的公平竞争。此举不仅限制了xAI等公司的发展空间，还直接损害了其应用Grok在苹果平台上的展示机会。

![image.png](https://static.downly.cn/images/2818f2825f9a47c34d77dfe3a1c6939e.png)

## 无形攻击 AI模型爆出新漏洞，图像竟成特洛伊木马
研究人员发现了一种全新的AI攻击方式。攻击者可以利用图像重采样技术，将恶意指令嵌入到人眼无法察觉的图像之中。当AI系统处理这些被篡改的图像时，隐藏的指令便会激活，从而劫持大语言模型，导致用户数据被窃取等严重后果。

![image.png](https://static.downly.cn/images/3c07d2480cd7a4c6a91ab1542b1ec05c.png)

## 人人都是建模师 字节跳动内测“3D模型生成器”
字节跳动豆包团队正在内部测试一款名为“3D Model Generator”的全新工具。该工具能根据用户上传的图像直接生成3D模型，旨在大幅降低3D建模的技术门槛，为游戏开发等领域提供高效的3D资产创建方案。

![image.png](https://static.downly.cn/images/9e14138468a996333e83a1b063598fdb.png)

## 打破语言壁垒 谷歌NotebookLM支持80种语言并新增视频转换功能
谷歌旗下的学习工具NotebookLM迎来重磅升级，现已全面支持80种语言。此次更新还革命性地推出了视频概览功能，用户可以将笔记、PDF和图片一键转换为多语言视频演示文稿，彻底打破了过去仅支持英语的局限，极大地扩展了其作为全球学习助手的能力。

![image.png](https://static.downly.cn/images/9f439aa39142b58ff5a73ebc666d65a4.png)

## 90分钟超长语音一键生成 微软开源VibeVoice-1.5B模型
微软研究院近日开源了其最新的VibeVoice-1.5B音频模型。该模型在语音合成技术上取得了重大突破，能够一次性生成长达90分钟的超长语音，且保证了音色的自然稳定与语义的连贯。此外，它还支持多达四位发言人的多说话人合成，性能远超以往模型。

![image.png](https://static.downly.cn/images/0d9835e99d3e7ff36bcbb6d9d3b4c530.png)

## 视频修复神器 阿里云开源Vivid-VR解决闪烁抖动难题
阿里云正式开源了视频修复工具Vivid-VR。该工具利用生成式AI与T2V模型，并结合了ControlNet技术，能够高效解决视频中常见的闪烁、抖动等问题，确保帧间内容的高度一致性，为内容创作者们带来了更高质量、更便捷的视频修复解决方案。

![image.png](https://static.downly.cn/images/5207201740603581996dd2fda24d8492.png)

## 告别爆肝 腾讯游戏AI大模型4秒生成200帧动画
腾讯游戏发布了其专业的游戏AI大模型，该模型在动画制作领域取得了惊人突破。现在，仅需短短4秒钟，AI便能自动生成200帧的流畅动画，将动画师从繁重的工作中解放出来，效率提升高达8倍。

![image.png](https://static.downly.cn/images/073af8f22d879f6012c623ef3103aa8d.png)

## 编程新哲学 Karpathy提出三层AI编程结构
著名AI专家Andrej Karpathy提出了最新的“氛围编程”指南，他建议为不同的编程场景选择最合适的AI工具。这套三层结构为 顺境时使用Cursor，逆境时求助Claude，而绝境中则依赖GPT-5 Pro。这一理念强调了在AI时代，为不同任务选择最适宜的模型，已成为一种需要深思熟虑的艺术。

![image.png](https://static.downly.cn/images/fadc6dfae39d84b7db7e4628fd175f74.png)

每日AI资讯0826：巨头纷争与技术革新，AI应用时代全面爆发



> 本期AI资讯聚焦多个领域的重大突破。从阿里通义Fun-ASR模型在垂直领域语音识别精度的显著提升，到Kimi K2模型带来的文本生成速度革命；从可灵与即梦AI在视频生成领域实现更精准的控制与更低的创作门槛，到Tripo 3.0引领的3D建模行业变革。与此同时，Meta面临的天价版权诉讼也为整个AI行业的训练数据合规性敲响了警钟。

## 阿里通义语音识别新突破 垂直行业精准度飙升

阿里通义最近推出了新一代的端到端语音识别大模型Fun-ASR。该模型显著强化了上下文感知能力和高精度转写技术，特别是在家装、保险等专业垂直行业，其识别准确率获得了巨大飞跃。据数据显示，保险行业的识别准确率提升了18%，而家装、畜牧等领域的提升幅度也达到了15%至20%，为特定行业的语音应用场景带来了更可靠的技术支持。

![image.png](https://static.downly.cn/images/5336f2bfa0b9114e07ee38e56c4715fe.png)

## Kimi K2模型再加速 输出速度剑指每秒百字符

月之暗面公司发布的Kimi K2高速版AI模型在性能优化后，其内容输出速度实现了大幅提升。该模型能够稳定达到每秒60 Tokens的输出速度，峰值速度更是高达每秒100 Tokens，极大地提高了处理效率，为用户带来了前所未有的流畅服务体验。Kimi K2基于先进的MoE架构，拥有强大的代码生成和通用代理处理能力，其万亿级别的总参数量使其在处理复杂任务时游刃有余。

![image.png](https://static.downly.cn/images/f2e5df9d13b652eb0f3c4d298eb76585.png)

## Meta陷版权风波 AI训练数据合法性引争议

科技巨头Meta公司正面临一场严重的法律诉讼，此案可能成为史上最大的AI训练数据侵权案。两家成人影片公司提起诉讼，指控Meta在进行AI训练时，明知故犯地使用了至少2396部受版权保护的影片内容。原告方提出了高达3.59亿美元的天价索赔，此案再次引发了科技行业内外对于AI训练数据来源合法性的广泛关注和激烈讨论。

![image.png](https://static.downly.cn/images/3710613ffbe00595dce99518874e849f.png)

## InternLM发布轻量级多模态模型 赋能科学研究

InternLM团队（书生·浦语）近日发布了一款仅有8B参数的轻量级多模态推理模型Intern-S1-mini。该模型巧妙融合了Qwen3-8B语言模型与InternViT视觉编码器，并通过包含超过2.5万亿科学领域token在内的海量数据进行预训练。这使得Intern-S1-mini不仅能处理常规的文本和视觉信息，还具备解析分子式、蛋白质序列以及规划化学合成路径等高级科学研究能力，为科研领域提供了强大的AI工具。


![image.png](https://static.downly.cn/images/d75c9b57a4bab6762eb64da756002cf0.png)

## 可灵AI精准控帧 视频生成迈入新纪元

可灵AI近期基于其全新的2.1模型，重磅推出了首尾帧功能。这一创新功能将AI视频生成过程中的随机性转变为高度的可控性，用户可以通过设定视频的起始与结束画面，来精准控制视频内容的走向。据官方数据，新模型的效果提升高达235%，让精准可控的视频生成从一个设想变为现实，彻底改变了AI视频创作的行业格局。

![image.png](https://static.downly.cn/images/609e55ad98c0cf44ebb5cc4487578798.png)

## 即梦AI智能多帧技术 一键生成超长镜头

即梦AI上线了创新的“智能多帧”技术，极大地简化了视频创作流程。用户仅需提供最多10张关键帧图像，系统便能自动分析并生成长达54秒的专业级连贯视频。这项技术彻底颠覆了传统的视频创作模式，显著降低了内容创作的门槛，充分展现了AI在长视频生成领域的巨大潜力和广阔前景。

![image.png](https://static.downly.cn/images/e7920e1da7634fa7a8e58c8c3177cbd6.png)

## VAST发布Tripo 3.0 AI驱动3D建模革命

VAST公司最新发布的Tripo 3.0版本，正通过其强大的人工智能技术革新传统的3D建模行业。该平台凭借其高效和易用性，已经吸引了超过300万专业开发者用户。Tripo 3.0在游戏开发、影视制作、建筑设计和工业设计等多个领域展现了AI驱动3D内容创作的强大潜力，预示着一个全新的3D内容创作时代已经到来。

![image.png](https://static.downly.cn/images/53dde85232904380889e5b78ce0ceb36.png)

每日AI资讯0823：AI视频生成迎双重突破，语音识别与3D建模重塑行业格局



> 导语 OpenAI时隔五年重返开源，微软Azure迅速跟进，为开发者带来更灵活的模型选择；谷歌在可交互世界模型与AI笔记应用上取得新突破；百度则将AI能力具象化，推出数字员工；同时，AI在音乐创作、故事生成等领域的应用也日益成熟，但内容质量监管问题也随之而来。

---


## 开源新篇章 OpenAI五年后携免费模型强势回归

OpenAI近日发布了两款名为GPT-oss-120b和GPT-oss-20b的开源语言模型，打破了其长达五年的闭源传统。这两款模型性能强大，足以媲美部分付费产品，同时对硬件要求相对温和，并允许商业使用。此举标志着OpenAI向开源社区的战略性回归，旨在构建一个更加民主和开放的AI平台，以适应当前日益激烈的行业竞争格局。

![image.png](https://static.downly.cn/images/62557bb7214ab7cd1c66a0b14811a5e5.png)

---

## 强强联合 微软Azure迅速引入OpenAI开源新模型

紧随OpenAI的开源步伐，微软宣布其Azure AI Foundry平台将正式引入GPT-oss系列模型。开发者和企业现在可以通过Azure AI Foundry及其Foundry Local服务，在云端或本地设备上自主运行、微调和部署这些强大的AI模型。这一举措极大地提升了AI应用的灵活性、可控性，并有效保障了数据隐私与安全，为企业构建和部署智能代理提供了统一且高效的解决方案。

![image.png](https://static.downly.cn/images/888b2d96bd12609380faf16dc6c56260.png)

---

## 虚拟世界一键生成 谷歌Genie 3重新定义AI交互

谷歌DeepMind发布了革命性的世界模型Genie 3，它能够以每秒24帧的速度生成720P分辨率的可交互3D环境。用户不仅可以通过文本指令动态改变世界中的事件，还能体验到逼真的物理模拟。Genie 3的出现为AI智能体训练、沉浸式游戏开发、虚拟教育等领域开启了全新的可能性，预示着一个AI驱动的交互新纪元即将到来。

![image.png](https://static.downly.cn/images/cefcccaf2eecd1c17b4eae639c52a748.png)

---

## 打工人新“同事” 百度智能云发布全球首批AI数字员工

百度智能云正式推出全球首批AI数字员工。这些数字员工深度融合了大模型、数字人技术以及行业知识（Know-How），具备“懂业务、给结果、可进化”的核心特性。它们能够胜任营销、客服、招聘、教培等多个核心业务职能，旨在显著提升企业的运营效率和生产力，标志着AI正从辅助工具向能够自主执行任务的“代理（Agentic）”时代迈进。

![image.png](https://static.downly.cn/images/067bdce573c4e6537d0216deb2c8bad7.png)

---

## 人人都是故事家 谷歌Gemini推出AI故事书生成器

谷歌在其AI应用Gemini中新增了“Storybook”功能。用户仅需提供简单的故事情节，AI便能自动生成一本图文并茂的十页故事书，并支持多种视觉风格选择和语音朗读。尽管目前在角色形象一致性上仍有提升空间，但该功能极大地降低了内容创作的门槛，尤其在儿童教育和个性化阅读体验领域展现出巨大的潜力。

![image.png](https://static.downly.cn/images/2714c85b0c460619114a2612a65c67cd.png)

---

## AI助力高效学习 谷歌NotebookLM向青少年开放

为了帮助学生更深入地进行学习，谷歌的人工智能笔记应用NotebookLM现已向13岁以上的用户及所有教育用户开放。该应用能将用户上传的资料自动生成音频摘要、思维导图甚至视频演示文稿，极大地提升了学习和研究的效率。谷歌强调，平台将对未成年用户采取严格的内容安全策略，并承诺不使用用户上传的内容进行模型训练，以保护用户隐私。

![image.png](https://static.downly.cn/images/d6d0f3693057c6de560fccdca9188ac5.png)

---

## AI变身音乐人 ElevenLabs推出商业音乐生成服务

AI初创公司ElevenLabs正式推出了其音乐生成服务Eleven Music。该服务允许用户通过简单的文本描述，快速生成包含人声和器乐的完整商业级音乐作品。为了确保训练数据的合法性，公司已与Merlin Network及Kobalt Music Group等机构达成合作。此举旨在为企业和内容创作者提供一个低成本、高效率的音乐创作解决方案。

![image.png](https://static.downly.cn/images/d962fc83355fad2a004d3fa4189a31c0.png)

---

## 质量保卫战 维基百科严查AI生成内容

面对AI可能带来的低质量或虚假内容挑战，维基百科更新了其管理政策。新政策允许管理员在特定情况下，快速删除那些包含明显AI生成痕迹或引用错误的条目。此举旨在维护维基百科内容的准确性和可靠性，虽然这被视为一项临时性的应对措施，但也反映出在利用AI作为辅助工具的同时，内容平台的审慎态度。

![image.png](https://static.downly.cn/images/3b29c3bdade68de753b93ba0322b0aac.png)

---

## 历史性合作 OpenAI模型首次登陆亚马逊AWS

亚马逊云科技（AWS）平台首次正式上线了来自OpenAI的AI模型。这一举措被视为AWS在激烈的人工智能市场竞争中作出的积极回应。现在，全球大量的AWS用户将能更便捷地访问和使用OpenAI的先进模型，这无疑将进一步加速AI技术在各行各业的渗透与应用。

![image.png](https://static.downly.cn/images/8ab521d831576f5c3819c9b0fe681162.png)

每日AI资讯0806：开源浪潮再起，生成式AI全面开花

国内领先的AI图像生成平台，基于Stable Diffusion技术

搜索结果: 游戏开发