> AI领域竞争白热化，苹果与微软分别推出创新模型TarFlow与Mu，前者革新图像生成技术，后者则以极小体量赋能Windows智能体。同时，AI的应用边界持续拓宽，从Grok进军电子表格编辑，到GPT-4助力癌症新药研发，再到ElevenLabs发布语音优先的AI助理。然而，行业发展也伴随着法律挑战，迪士尼已就版权问题向Midjourney等AI公司提起诉讼。此外，OpenAI与Jony Ive公司合作开发AI硬件的消息，预示着AI的下一战场可能转向实体设备。

## 苹果另辟蹊径 发布AI生图新模型TarFlow

苹果公司在AI图像生成领域展示了其独特的思考，发布了基于“归一化流”（Normalizing Flows）技术的全新模型TarFlow与STARFlow。与主流的扩散模型不同，TarFlow通过分块生成像素来保证高质量输出，避免了传统方法中可能出现的质量损失。其姊妹模型STARFlow则在潜空间中运行，并能调用外部大语言模型来更精准地理解和处理复杂的文本提示，显著提升了生成效率与图像质量。
![image.png](https://static.downly.cn/images/267d19af1b5363b96a53993f3352c7cc.png)

## 微软发布3亿参数“微”模型Mu 专为Windows智能体打造

微软推出了一款参数仅为3.3亿的创新小型模型Mu，其性能却能与体量是其十倍的Phi-3.5-mini相媲美。该模型专为本地化部署而优化，在离线的NPU设备上能实现每秒超过100个token的惊人响应速度。Mu借鉴了Phi Silica架构，并引入双重层归一化、旋转位置嵌入等先进技术，使其能够通过自然语言指令直接操作Windows系统设置。经过大规模数据微调，Mu已将操作响应时间成功控制在500毫秒以内，极大地提升了Windows系统的易用性和智能化水平。

![iShot_2025-06-24_11.02.06.png](https://static.downly.cn/images/2e91b686cc69d9c34d2c779e94776477.png)

## 开源新星 OmniGen2 用自然语言“指点江山”精修图像


OmniGen2作为开源社区中Flux Context的有力替代者，为用户提供了强大的自然语言图像编辑能力。用户只需通过简单的文字指令，即可对图像进行精准的局部编辑，包括删除或替换对象、进行风格转换、调整颜色、处理背景、添加新物品，甚至修改人物的表情和动作。目前，该模型的权重已在[Hugging Face Space](https://huggingface.co/spaces/OmniGen2/OmniGen2)上公开发布，供广大开发者和爱好者体验。

![image.png](https://static.downly.cn/images/38fb68246c1a6bae554e293f4172cdc6.png)

## 版权保卫战打响 迪士尼正式起诉Midjourney

随着AI生成内容的普及，版权问题日益凸显。娱乐巨头迪士尼已采取法律行动，正式起诉Midjourney等AI公司，指控其未经许可使用迪士尼的知识产权进行模型训练和图像生成。此举标志着内容创作者与AI技术公司之间的法律战火正在升级。在积极维权的同时，迪士尼也在与OpenAI等公司进行合作洽谈，旨在探索在保护自身版权角色和IP的同时，利用AI技术发展的可能性。

![iShot_2025-06-24_11.04.48.png](https://static.downly.cn/images/38fb68246c1a6bae554e293f4172cdc6.png)

## 法庭文件曝光 OpenAI联手苹果前设计总监Jony Ive秘密研发AI硬件

一则法庭文件意外揭示，OpenAI正与苹果公司的前首席设计官Jony Ive创办的设计公司io进行深度合作，共同为一款面向大众市场的AI硬件设备进行技术研发。这一消息源于io公司针对另一家初创公司iyO提起的商标纠纷诉讼。此次合作曝光，意味着OpenAI的野心已不止于软件层面，正试图将AI能力封装到专门的硬件中，这可能预示着下一代消费级智能设备的到来。




## Grok亮剑生产力工具 挑战微软与谷歌的电子表格霸权

根据最新泄露的信息，马斯克旗下的xAI公司正为Grok开发一项强大的新功能——支持电子表格的高级文件编辑器。此举旨在将Grok这一强大的AI助手深度集成到日常的生产力工具中，直接向微软的Excel和谷歌的Sheets等传统办公软件发起挑战。通过赋能电子表格处理能力，Grok希望在AI驱动的生产力赛道上与OpenAI、Google和Microsoft展开激烈竞争。

![]([object Object])![iShot_2025-06-24_11.09.17.png](https://static.downly.cn/images/a36a0be1b906c96e6cc059809aafaf51.png)

## AI成抗癌新希望 GPT-4成功发现乳腺癌协同治疗新方案

剑桥大学等研究机构的一项突破性研究显示，大型语言模型在攻克癌症方面展现出巨大潜力。研究人员利用GPT-4分析海量医学文献和数据，成功提出了一种全新的乳腺癌协同治疗方案。该方案创新性地组合了辛伐他汀和双硫仑等非传统抗癌药物，并通过实验验证了其有效性。这一成果为利用AI进行新药研发开辟了全新路径，展示了AI“发明”新疗法的可能性。

![iShot_2025-06-24_11.09.54.png](https://static.downly.cn/images/3599ff0226db21a87c89c156e9dc4a2a.png)

## 苹果收购版图再添变数 与Mira Murati新公司谈判破裂

据报道，苹果公司此前曾与前OpenAI首席技术官Mira Murati创立的人工智能公司Thinking Machines Lab进行过收购洽谈。这家新公司的估值高达100亿美元，致力于使AI系统更易于被人类理解和定制。然而，最新的消息显示，双方的谈判并未达成协议，最终以破裂告终。目前，苹果公司正将评估的目光转向另一家AI搜索公司Perplexity，其在AI领域的布局策略依然充满变数。




## 4K画质一键达成 Astra为AI视频创作者推出超分辨率工具
![iShot_2025-06-24_11.04.48.png](https://static.downly.cn/images/38fb68246c1a6bae554e293f4172cdc6.png)
一款名为[Astra](https://astra.app/)的专业级AI视频超分辨率工具正式上线。该工具利用先进的AI技术，能够智能地将低分辨率的视频素材提升至清晰的4K画质，旨在解决AI视频创作者在内容生产最后环节的画质难题。尽管其功能相对单一，且标准版月费为39美元（约合人民币280元），价格不菲，但它为追求极致画质的用户提供了一个有效的解决方案。

![iShot_2025-06-24_11.12.27.png](https://static.downly.cn/images/bd8603c8e8dd189a00c4f6c4a595614f.png)

## ElevenLabs发布语音优先AI助理11ai 支持超5000种声音

以语音技术闻名的ElevenLabs公司发布了其全新的AI个人助理——11ai。这款助理主打“语音优先”的交互体验，并集成了强大的多工具集成能力和自定义MCP支持，允许用户创建高度个性化的工作流程。11ai具备日程管理、实时搜索和团队协作等核心生产力功能，支持超过5000种声音和70多种语言，其强大的多模态交互能力使其成为提升全球用户工作效率的强大工具。

AI每日资讯0624



> AI界风起云涌，技术应用与产业格局均迎来重磅更新。从谷歌Gemini实时生成交互界面的惊艳技术，到字节跳动、海螺AI等公司在视频生成领域的持续加码，AI正以前所未有的速度渗透到创意与交互的方方面面。与此同时，月之暗面开源其强大的多模态模型Kimi-2506，进一步推动社区发展。产业层面，苹果意图收购Perplexity的传闻引发市场巨震。然而，在一片高歌猛进中，MIT的研究也为我们敲响警钟，提醒我们需警惕对AI的过度依赖可能带来的认知影响。

## 警惕AI陷阱 MIT研究揭示过度依赖AI或导致大脑“变懒”

麻省理工学院（MIT）的一项最新研究为我们揭示了过度依赖AI工具可能带来的潜在风险。实验表明，与独立写作或使用搜索引擎辅助相比，长期完全依赖AI（如ChatGPT）进行写作的用户，其大脑在处理任务时的活跃度显著降低。这可能意味着认知能力的“走捷径”会削弱我们深度思考和解决问题的能力。研究还发现，亲身参与创作过程能显著增强人们对作品的归属感和满意度，这是纯粹由AI生成的作品无法替代的。

![iShot_2025-06-23_11.34.16.png](https://static.downly.cn/images/fd04b6a34281a853aae107ce409605b3.png)

## 字节跳动亮出新王牌 DreamActor-H1让商品图秒变带货视频

<video src="https://static.downly.cn/images/6ba10cca10c17c49251a28ddcf57071b.mp4"  title="30647320772-1-16.mp4"></video>
字节跳动近日发布了名为 [DreamActor-H1](https://submit2025-dream.github.io/DreamActor-H1/) 的视频生成系统，展示了其在AIGC视频领域的最新成果。该系统能够仅通过一张商品图片和一张人物照片，自动生成一段高质量、专业风格的带货短视频。从技术演示来看，其效果与广受欢迎的AI视频工具HeyGen相似，能够极大降低电商视频的制作门槛。目前，DreamActor-H1仍处于技术展示阶段，官方仅发布了演示视频和技术报告，尚未公布论文或开源计划。


![image.png](https://static.downly.cn/images/ff55f3865fb3c3d5438b81a67ab2f6c2.png)




## 谷歌开源Magenta RT 音乐创作进入实时生成新纪元

谷歌DeepMind团队为音乐创作者和开发者带来了一份大礼——开源了实时音乐生成模型Magenta RealTime (Magenta RT)。作为其先进模型Lyria的开放权重研究预览版，Magenta RT专注于实时交互式音乐创作与表演，能够根据用户的输入即时生成连贯的音乐片段。这一举措预示着AI在音乐领域的应用正从离线生成迈向实时协作，为现场表演、即兴创作和音乐教育开辟了全新的可能性。



![image.png](https://static.downly.cn/images/cc77d28a44031136de7ef51d6a435223.png)



## 视频剪辑迎来“自动驾驶” 海螺AI发布视频创作智能体

<video src="https://static.downly.cn/images/d1e844c63c547a134a3cddc0442a4596.mp4"  title="30647322073-1-16.mp4"></video>
国内AI初创公司海螺AI正式推出了其视频创作工具——Hailuo Video Agent。该工具定位为视频领域的“智能体”，旨在将创作者从繁琐的剪辑工作中解放出来。初期版本通过提供创意模板来简化创作流程，但其最终目标是实现用户自主编辑乃至完全自动化的“一键出片”。该智能体集成了音乐、TTS（文本转语音）、音效和字幕等全套功能，代表了AI赋能视频编辑的未来发展方向。



![image.png](https://static.downly.cn/images/883dd177d41f430aed6d85896ae5b853.png)



## 为机器人打造逼真世界 开源框架EmbodiedGen破解3D环境生成难题

具身智能（Embodied AI）的发展一直受限于高质量、物理真实的3D训练环境。为了突破这一瓶颈，一个名为EmbodiedGen的开源框架应运而生。它能够根据文本或图像输入，生成具有正确物理属性、密闭几何结构且可扩展的3D对象和场景。该框架生成的资产兼容多种主流物理模拟器，极大地降低了为机器人训练和数字孪生创建虚拟世界的成本和难度，为智能机器人研究铺平了道路。


![image.png](https://static.downly.cn/images/9b78864d652be698562cd2ddfafd4b23.png)



## 声音的“私人订制” MiniMax推出Voice Design音色设计功能

稀宇科技（MiniMax）在其开放平台上发布了创新的Voice Design音色设计功能。用户现在可以通过简单的文本描述，自由组合“任意语言、任意口音、任意音色”，创造出独一无二的个性化语音。该功能不仅能精准控制情感、音质等细节，还成功规避了传统音色复刻可能带来的版权风险，为内容创作、虚拟助手等应用场景提供了前所未有的便捷与高效。
用户可通过[稀宇科技国内版平台](minimaxi.com/audio)或[海外版平台](minimax.io/audio)体验Voice Design功能，探索语音合成的无限可能。
![image.png](https://static.downly.cn/images/2ce996768ec2bf3468a3b177bbae2128.png)

## 未来交互已至 谷歌Gemini 2.5 Flash-Lite实现“心念所想，界面即现”

谷歌DeepMind再次展示了其强大的技术实力，发布了Gemini 2.5 Flash-Lite模型。该模型最令人震撼的特性是其超低延迟的实时交互界面生成能力。用户可以通过语音或文本描述，瞬间生成并修改UI界面。这项技术结合了多模态输入和长上下文窗口，预示着一种全新的“生成式操作系统”的到来，用户与设备的交互方式或将被彻底颠覆。
![image.png](https://static.downly.cn/images/85e05624284ab97b3dc8479268d39ee4.png)

## 300亿美元豪赌 苹果或将收购Perplexity以重塑搜索格局

市场传出重磅消息，苹果公司正考虑以高达300亿美元的价格收购AI搜索初创公司Perplexity。若交易达成，这将成为苹果历史上最大规模的并购。此举被视为苹果应对AI时代搜索市场变革的关键一步，意图通过Perplexity先进的对话式、答案驱动的搜索技术，全面升级Siri和Safari的用户体验，以在与谷歌等对手的竞争中抢占先机。

![image.png](https://static.downly.cn/images/9d947b288c191a494212917b1cc2cf34.png)
## Kimi-2506开源 月之暗面升级多模态与智能体能力

国内大模型独角兽月之暗面宣布开源其最新的多模态模型Kimi-2506。新模型在智能体（Agent）和视觉理解能力上取得了重大突破。官方数据显示，其推理效率大幅提升，能够更节省token，同时在多项基准测试中得分显著提高。尤其在视觉方面，它支持高达320万像素的高分辨率图像处理，并在图表分析、长文档问答及视频理解等复杂任务上表现出色。

![image.png](https://static.downly.cn/images/b874ae38fdde0c49932a6e19ff4a81de.png)




AI每日资讯0623

> 今天的AI前沿资讯。从Adobe的实时视频生成，到NVIDIA的光影魔法，再到Hugging Face的亲民微调教程，今天的科技界可谓是精彩纷呈。无论是专业开发者还是普通爱好者，都能在今天的快讯中找到属于自己的惊喜。让我们一起来看看都有哪些不容错过的亮点吧！

---

## Adobe亮剑视频生成！Self Forcing模型实现4090显卡实时出片，人人都是特效师

> Adobe最新发布的Self Forcing模型，标志着实时视频生成技术的新突破。该模型基于Wang 2.1架构，实现了在单张RTX 4090消费级显卡上的流畅运行，并已开放线上试用，让更多创作者能够亲身体验其强大的功能。

### Self Forcing 核心技术解析

Adobe推出的Self Forcing模型，其技术核心是建立在先进的Wang 2.1架构之上。这一架构专为流式视频生成进行了优化，意味着模型能够一边接收输入指令，一边连续不断地生成视频帧，从而达到“实时”的效果。这与传统模型需要等待完整指令后才能开始渲染的方式截然不同，为即时互动和直播等场景提供了可能。

![image.png](https://static.downly.cn/images/047efc3d48e72798bdc15fd5ff06e0ff.png)

### 硬件亲民化的重要一步

以往，高质量的AI视频生成往往需要庞大的计算资源，通常是数据中心级别的服务器集群。而Self Forcing模型最大的亮点之一，就是它对硬件的优化。官方宣称，该模型可以在单张NVIDIA RTX 4090显卡上高效运行。这使得拥有高端PC的个人开发者、设计师和内容创作者，也能够接触并使用前沿的AI视频生成技术，极大地降低了技术门槛。

### 在线试用与未来展望

为了让更多用户感受Self Forcing的魅力，Adobe已经提供了在线试用入口。用户可以通过官方渠道访问并体验这一模型的实时生成能力。这一举措不仅展示了Adobe对自身技术的信心，也预示着AI视频生成工具将加速融入普通人的创作流程中，未来我们可能会看到更多由AI实时生成的短视频、直播背景甚至互动电影。
[试用地址](https://huggingface.co/spaces/multimodalart/self-forcing)

---

## 挑战Whisper霸主地位！Kyutai发布开源极速STT模型，实时语音转写新选择

> 法国AI初创公司Kyutai推出了一款名为Kyutai Speech-To-Text（STT）的开源模型，以其惊人的速度和超越Whisper Large v3的性能，为语音转文本领域带来了新的标杆。该模型特别优化了实时流式处理，并提供了针对不同需求的版本。

### 性能卓越 超越Whisper

Kyutai Speech-To-Text模型在发布之初就将目标对准了行业标杆OpenAI的Whisper。根据官方公布的数据，其纯英语的2.6B参数版本，在多项评测基准上表现优于Whisper Large v3。这不仅体现在转写的准确率上，更体现在其“极速”的特性上，无论是处理已有的音频文件（批量推理），还是进行实时的语音流转写（流式推理），都展现出了顶级的性能。

![image.png](https://static.downly.cn/images/99f96be5cb2ecec3b5f806a8ddda16bc.png)


### 两种模型版本 各有侧重

为了满足不同场景的需求，Kyutai贴心地推出了两个版本：
*   **2.6B参数模型** 这是一个纯英语模型，性能强劲，是追求最高转写质量和速度的用户的首选。
*   **1B参数模型** 这是一个更轻量级的双语模型，专为英语和法语的实时语音聊天场景优化。它在保持较低延迟的同时，实现了高效的双语识别，非常适合跨语言交流工具的开发。

### 开源精神与应用前景

Kyutai STT模型选择完全开源，开发者可以在其官方渠道（如Hugging Face）轻松获取模型和相关代码。这意味着任何开发者都可以自由地使用、修改和集成这个强大的工具。尽管目前模型暂不支持中文，但其出色的架构和性能为多语言语音识别领域注入了新的活力，未来有望通过社区的力量扩展到更多语种。

[官方链接](https://kyutai.org/next/stt)

---

## 后期制作的魔法！NVIDIA UniRelight一键重塑视频光影，废片变大片

> NVIDIA AI团队再次展示其技术实力，推出名为UniRelight的通用视频重照明技术。这项基于扩散模型的技术，能够仅凭单张参考图或一段视频，就对目标视频实现逼真、高质量的动态光影重塑，为影视后期和内容创作带来了革命性的工具。

### UniRelight 是什么

UniRelight是一项创新的“通用重照明”技术。简单来说，它允许创作者在视频拍摄完成之后，像编辑照片一样，任意改变视频中的光照效果。无论是想把白天变成黑夜，还是为场景添加一盏虚拟的、动态移动的灯光，UniRelight都能通过AI计算，生成符合物理规律的、自然的光影变化，极大地丰富了后期创作的可能性。



### 扩散模型的魔力

这项技术的核心驱动力是扩散模型（Diffusion Model）。模型通过学习海量数据，理解了光线与物体表面材质、场景深度之间的复杂关系。当用户提供一张参考图片（例如一张日落的照片）时，UniRelight就能“理解”其中的光照风格，并将其应用到目标视频的每一帧中，同时确保光影的连续性和真实感。

### 应用场景与开源计划

UniRelight的应用前景极为广阔。对于电影制作，它可以大幅降低现场布光的成本和难度；对于短视频创作者，它可以轻松为普通视频增添“电影感”；对于游戏开发，它可以用于生成更真实的环境光照。NVIDIA已经表示，该技术的代码即将开源，这意味着它将很快成为广大开发者和创作者可以使用的强大工具。目前，官方网站已展示了大量惊艳的效果案例供业界参考。

[官方链接](https://research.nvidia.com/labs/toronto-ai/UniRelight/)

---

## 一张图、一段话，AI帮你拍广告！HeyGen新功能让产品视频制作进入“傻瓜”模式

> AI视频生成平台HeyGen再次降低内容创作门槛，推出了全新的AI广告生成工具。现在，用户仅需三步——上传产品图、选择虚拟形象、输入文案，即可快速生成一段专业的带货或产品介绍视频，彻底改变了传统营销视频的制作模式。

### 三步搞定产品视频

HeyGen新推出的产品植入功能，主打的就是极致的简洁与高效。整个创作流程被简化为三个核心步骤：
1.  **提供产品照片** 用户上传自己需要推广的产品的清晰图片。
2.  **选择人物形象** 在HeyGen提供的多种虚拟形象中，选择一个符合品牌调性的“代言人”。
3.  **输入文字脚本** 将产品介绍、广告语等文案输入系统。

完成这三步后，AI会自动将产品照片与虚拟形象融合，并根据脚本生成一段口型精准、动作自然的介绍视频。



### AI如何简化营销流程

这项功能背后，是成熟的AI虚拟人技术和图像处理技术的结合。AI不仅能让虚拟人自然地“说话”，还能智能地将静态的产品图片融入到动态的视频场景中，仿佛虚拟人真的手持产品在进行介绍。对于中小型企业、电商卖家或个人品牌来说，这意味着无需昂贵的拍摄团队、演员和场地，就能快速、低成本地批量生产高质量的营销视频。

### 为谁而生

这个工具的主要受益者是那些需要大量视频内容但预算有限的营销人员和商家。它极大地缩短了从创意到成品的周期，使得测试不同的广告文案、产品卖点和视觉风格变得轻而易举。可以说，HeyGen正在让专业的视频广告制作，变得像制作PPT一样简单。

<video src="https://static.downly.cn/images/d7f27be5bce5805ea5d8006fbee8299a.mp4"  title="30591878914-1-16.mp4"></video>

---

## 10GB显存就能“炼丹”！Hugging Face发布FLUX.1-dev平民级微调教程

> 人人都能微调大模型不再是梦想。Hugging Face近日发布官方教程，手把手教你如何利用QLoRA技术，在仅有10GB显存的消费级显卡上，对强大的文生图模型FLUX.1-dev进行高效微调，极大地降低了AI模型定制化的门槛。

### 主角 FLUX.1-dev模型

FLUX.1-dev 是一个新兴的、强大的文本到图像生成模型。与之前的扩散模型不同，它采用了新的架构，旨在更深刻地理解文本提示的复杂性和细微差别，从而生成更贴合描述的图像。能够对这样的前沿模型进行微调，意味着用户可以训练出具有自己独特风格的“专属AI画家”。

### 核心技术 QLoRA

实现低门槛微调的关键在于QLoRA（Quantized Low-Rank Adaptation）技术。简单来说，它是一种“四两拨千斤”的训练方法。它通过量化和低秩适配技术，在不牺牲太多性能的前提下，大幅减少了模型微调过程中所需要的显存。Hugging Face的教程正是利用了QLoRA，将原本需要专业级硬件才能进行的任务，成功地运行在了仅有10GB显存的消费级显卡上，如RTX 3060 (12GB) 或 RTX 4060 Ti等。
![image.png](https://static.downly.cn/images/94de23f39bcfcf327cc018f38cf20cad.png)


### 教程详解与实践意义

Hugging Face发布的这篇[官方教程](https://huggingface.co/blog/flux-qlora)，详细介绍了整个微调过程的每一步，包括环境配置、加载模型、准备数据集，以及如何使用`diffusers`库来应用QLoRA进行训练。这篇教程的意义非凡，它为广大的AI爱好者、艺术家和独立开发者打开了一扇大门，让他们能够用得起的硬件，去定制和探索最先进的AI模型，从而催生出更多个性化、多样化的AI艺术作品和应用。

AI每日资讯0620

> 字节跳动正式推出小云雀 AI，主打一键生成数字人视频功能。



随着数字内容创作需求的爆发，效率和便捷性成为新的追求。 近日，字节跳动正式发布了其在 AI 领域的又一重要产品——小云雀 AI。 这款 AI 应用的核心亮点在于其强大的数字人视频一键生成功能，极大地降低了数字人视频的制作门槛。目前仅支持安卓版本，iOS用户可能要再等等啦～
oppo 商店已经上架
![](https://static.downly.cn/images/20250530082105.161737324.png)

小云雀 AI 的“一键生成”能力，意味着用户只需要输入文本或上传少量素材，AI 即可自动生成带有数字人口播的视频内容。 这种便捷的操作方式，有望彻底改变传统的数字人视频制作流程，使其变得更加高效和亲民。

## 一键生成 轻松打造专属数字人视频

小云雀 AI 的“一键生成”能力，主要体现在以下几个方面

*   **文本驱动** 用户输入文字，AI 即可将文字转化为自然流畅的数字人口播。
*   **形象定制** 提供多种数字人形象选择，或允许用户定制自己的数字人形象。
*   **背景与场景选择** 提供丰富的虚拟背景和场景，或支持用户上传自定义背景。
*   **智能剪辑与合成** 自动完成口播与画面的同步，生成完整的视频文件。

<video src="https://static.downly.cn/images/20250530081548.653310493.mp4" title="171_1748592810.mp4"></video>

这些功能使得小云雀 AI 用户即使没有专业的视频制作经验，也能快速、轻松地创建数字人视频，将创意想法转化为生动的视频内容。

## 应用广泛 多领域迎来效率提升

小云雀 AI 的出现，有望在多个领域发挥重要作用，提升内容制作效率。



例如

*   **教育培训** 快速生成课程讲解视频，降低教师制作成本。
*   **企业宣传** 制作公司介绍、产品演示视频，提升品牌形象。
*   **短视频内容创作** 为短视频创作者提供新的内容形式和生产工具。
*   **新闻媒体** 快速生成新闻播报或资讯类视频。
*   **客服互动** 打造智能数字客服，提供更加生动自然的交互体验。

小云雀 AI 的出现，为这些领域的内容创作者和企业提供了强大的工具，帮助他们以更低的成本和更高的效率生产高质量的视频内容。

## 技术驱动 未来数字人视频新趋势

小云雀 AI 的核心在于其背后强大的 AI 技术支持，包括但不限于

*   **先进的语音合成技术** 将文本转化为逼真的人类语音。
*   **高质量的数字人建模与驱动技术** 创建栩栩如生的数字人形象并实现自然的表情和动作。
*   **智能视频合成与编辑算法** 将不同的元素 seamlessly 地整合到视频中。


字节跳动在 AI 领域的深厚积累，为小云雀 AI 提供了坚实的技术基础。 随着技术的不断发展，数字人视频的质量和逼真度也将持续提升。 小云雀 AI 的推出，无疑是数字人视频制作迈向普惠化、智能化道路上的重要一步，预示着数字人视频在未来将扮演越来越重要的角色。




 告别复杂 字节跳动小云雀 AI 一键生成 视频创作从未如此简单

你还记得开发跨平台应用的痛苦经历吗？不管是选择Electron被人吐槽"内存杀手"，还是选择原生开发为每个平台写三套代码，简直是程序员的噩梦。QT和JavaSwing更是折腾的让人`痛苦面具`。

而现在，AI时代来了！本文将向你展示如何使用`Manus+Tauri`这对"神仙组合"，真正做到`零代码`创建一个`AIBot`（AI聊天机器人）跨平台应用——没错，一行代码都不用写！

请先看效果图 - 基于`Manus+Tauri`开发的跨平台DeepSeek聊天机器人：

<img src="https://static.downly.cn/images/20250527045749.387904026.png" style="zoom:50%;" />

## 1. 技术背景

### 什么是Manus？

**Manus**就像是一个通用AI智能体，你可以把它当作AI程序员，你只需要告诉它"我想要一个聊天机器人应用"，它就能像变魔术一样自动完成：

- 📋 需求分析（比产品经理还懂你要什么）
- 🏗️ 架构设计（比架构师还专业）
- 💻 代码编写（比码农还勤奋）
- 🧪 功能测试（比测试工程师还细心）

简单来说，Manus就是那个你一直梦想的"全能AI同事"，而且它不会摸鱼，不会请假，24小时待命！当然，缺点就是每日积分有限制，超过后需要氪金。

关于Manus的详细介绍请访问：[https://www.downly.cn/nav/detail/e09b8af18c3964676f44d5510bb65aed](https://www.downly.cn/nav/detail/e09b8af18c3964676f44d5510bb65aed)

### Tauri - 轻量级跨平台开发的救星

如果说`Electron`是"用大炮打蚊子"，那**Tauri**就是"精准狙击手"：

- **轻如鸿毛**：应用体积比Electron小90%，妈妈再也不用担心硬盘空间了
- **一码三端**：Windows、macOS、Linux一套代码全搞定，告别重复劳动
- **性能爆表**：基于Rust后端+原生WebView，速度快到飞起
- **安全可靠**：内置安全机制，黑客看了都摇头

### Node.js - 前端开发的老朋友

**Node.js**在这里扮演的角色就像是"后勤部长"：

- 🔧 **工具管家**：提供npm/yarn等包管理工具
- 📦 **依赖管理**：帮你管理成千上万个依赖包
- ⚡ **构建助手**：负责前端资源的编译和打包

虽然它不直接参与应用运行，但没有它，整个开发流程就转不起来。



## 第一步：使用Manus生成项目

打开[Manus官网](https://manus.im/)，然后输入提示词：`使用Tauri开发支持DeepSeek和OpenAI的AIBot应用`，让Manus给我们创建一个可以跨平台使用的AI聊天机器人应用：

![](https://static.downly.cn/images/image-20250527113624830.png)

然后我们可以看到Manus开始分析AIBot的需求、设计应用架构、初始化环境、拉取依赖等。

![](https://static.downly.cn/images/image-20250527113704017.png)

等待大约15-20分钟左右，我们可以看到Manus已经完成了需求分析、架构设计、项目初始化、API集成、用户界面开发、功能测试，甚至是跨平台兼容性验证，如下图：

![](https://static.downly.cn/images/image-20250527113933417.png)

你也可以访问我的AIBot项目创建回放：https://manus.im/share/VMNeKuV7dO3DAyOS6rjPiv?replay=1。



## 第二步：环境配置 - 搭建开发环境

AIBot项目编写完成后，我们需要准备开发环境。首先，我们需要安装Rust，访问RUST官网下载Rust程序安装器：https://www.rust-lang.org/zh-CN/learn/get-started，请根据自己是实际情况下载对应的版本，我这里使用的虚拟机是`Windows 64`。

![](https://static.downly.cn/images/image-20250527114732315.png)

下载完成后打开`rustup-init.exe`，然后根据Rust安装器提示安装Rust：

![](https://static.downly.cn/images/image-20250527105906018.png)

Rust安装时需要网络环境通常（必要的时候可能需要使用VPN），Rust安装完成后我们需要安装Nodejs，这里下载Nodejs的最新LTS版本`v22.16.0`。

![](https://static.downly.cn/images/image-20250527110041831.png)

Rust和Nodejs安装完成后，接下来需要配置Nodejs环境。首先，我们解压Manus的zip包，并打开：`C:\Users\yzmm8\Source\tauri_aibot`目录，然后在空白处`右键->在终端打开`开启PowerShell程序。

![](https://static.downly.cn/images/image-20250527110605183.png)然后执行下面的命令：

```powershell
Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser
npm config set registry https://registry.npmmirror.com/
npm install yarn -g
yarn config set registry https://registry.npmmirror.com
npm install -g cnpm --registry=https://registry.npmmirror.com
yarn
```

详细拆解上面执行的命令：

1. 解除 PowerShell 默认的脚本运行限制（仅限当前用户）
2. 安装npm阿里云的源
3. 安装yarn
4. 安装yarn阿里云的源
5. 安装cnpm
6. 安装当前node项目的依赖



![](https://static.downly.cn/images/image-20250527110855453.png)

## 第三步：项目启动与调试

`yarn`命令执行成功后，我们就可以执行`yarn run tauri dev`，尝试使用dev模式运行AIBot，第一次启动时会下载Rust项目的依赖，所以需要保持网络畅通。

![](https://static.downly.cn/images/image-20250527111746512.png)

接下来，我们可能会看到下面的报错：

![](https://static.downly.cn/images/image-20250527112025712.png)

由于Manus在创建App的时候缺少了一个AIBot应用的icon文件，所以我们需要创建icons目录（`C:\Users\yzmm8\Source\tauri_aibot\src-tauri\icons`），并复制一个icon到icons目录，然后再次执行：`yarn run tauri dev`命令，即可看到AIBot正常启动。最后点击`设置`，配置DeepSeek的API Key，如下图：

![](https://static.downly.cn/images/image-20250527112633739.png)

## 第四步： 配置AI服务

如果你没有Key，需要访问DeepSeek官网，申请API Key：

![](https://static.downly.cn/images/image-20250527112843439.png)

申请好API Key之后，在AIBot中配置下DeepSeek的API Key，需要特别注意的是由于Manus生成的应用窗口有问题，AIBot的窗口比较小，所以可能看不见`保存设置`的按钮，需要拖动下窗口大小才能看见。

![](https://static.downly.cn/images/image-20250527113139656.png)

配置好`DeepSeek`的API Key后记得点击顶部的`DeepSeek`模型选项。接下来，我们就可以使用`DeepSeek`开始对话了。

![](https://static.downly.cn/images/image-20250527113514991.png)

通过本教程，我们成功使用`Manus+Tauri`组合，在不编写任何代码的情况下创建了一个功能完整的跨平台AI聊天应用。这种开发方式不仅大大降低了技术门槛，也极大提升了开发效率。AI时代的到来，让"人人都是开发者"不再是梦想！

接下来，我将会讲解一些其他使用的AI开发工具和技巧，让大家体验下AI新时代的开发体验，感谢大家关注！



## 关于Downly.cn

[downly.cn](https://www.downly.cn) （平台还在建设中）是我创建的一个融合了AI相关的文章、教程、应用、导航为一体的AI资讯和技术平台。

在AI技术飞速发展的今天，信息碎片化和技术门槛高成为了许多人学习和应用AI的主要障碍。[downly.cn](https://www.downly.cn) 致力于打造一个**一站式AI学习与实践平台**，让每个人都能轻松接触、学习和应用AI技术。

AI零代码开发实战：20分钟用Manus+Tauri+DeepSeek打造跨平台AI聊天机器人



> 中国AI领域再添重磅玩家 昆仑万维近日正式发布了其全新的天工超级智能体（SkyAgents）。作为公司在人工智能大模型领域深入布局的 latest 成果，天工超级智能体不仅在传统的 AI 办公（AI Office）应用上展现出了强大的能力，更在深度研究（Deep Research）方面取得了令人瞩目的突破。尤其值得关注的是，昆仑万维宣称其在 certain 方面能够碾压 OpenAI 的同类功能，并且运营成本仅为其 40%，这无疑为 AI 在企业级应用和专业研究领域的 widespread 普及带来了新的可能性。

## AI办公 新场景与新效率

人工智能正在 reshuffle 传统办公模式，AI Office 工具的出现，极大地提升了工作效率。天工超级智能体在这一领域提供了 comprehensive 的解决方案。

### 自动化文档处理

从撰写邮件、生成报告到总结会议纪要，天工超级智能体能够高效完成文本生成、编辑和提炼任务，将人们从 tedious 的文字工作中解放出来。

![image.png](https://static.downly.cn/images/20250522065026.971271528.png)

### 智能数据分析与可视化

对于需要处理和分析大量数据的场景，天工超级智能体能够快速理解数据、进行统计分析，甚至生成直观的数据可视化图表， aiding 决策过程。

### 个性化工作流定制

天工超级智能体还能根据用户的 specific 需求和工作习惯，定制个性化的 AI 工作流，使其更好地融入不同的办公环境和行业应用。

## Deep Research 碾压OpenAI？

昆仑万维此次发布的一个核心亮点在于其天工超级智能体在 Deep Research 方面的能力，并大胆对标甚至宣称在部分方面碾压 OpenAI。深度研究通常涉及到对复杂问题进行 thorough 的信息检索、分析、 synthesize 以及生成有洞见的结论。

### 海量信息整合与分析

天工超级智能体能够快速 access 和处理互联网上的海量信息，从学术论文、行业报告到新闻资讯，进行高效的整合和分析， extracting key information 和相互关联。



### 智能生成研究报告

基于对信息的深度理解和分析，天工超级智能体能够自动生成结构清晰、逻辑严谨的研究报告，甚至可以提供不同视角的分析和潜在的解决方案。

### 成本优势的杀手锏

昆仑万维强调，天工超级智能体在提供 high-level 研究能力的同时，其运营成本仅为 OpenAI 同类功能的 40%。这一 significant 的成本优势，对于需要进行 extensive 研究的企业、机构或个人来说，无疑是 extremely attractive 的。它降低了 AI 驱动深度研究的使用门槛，使其能够触达更广泛的用户群体。

![image.png](https://static.downly.cn/images/20250522064934.797352230.png)

成本的降低，意味着在同样的预算下，用户可以进行更多次、更深入的研究查询和分析，或者将 AI 研究工具应用于更广泛的业务场景。

## 技术基石与未来展望

天工超级智能体的强大能力， likely relies on昆仑万维在自研大模型技术方面的积累，包括模型架构的优化、训练数据的丰富以及 efficient 的inference 技术。对成本的 extreme 控制，也可能来源于其在计算资源管理和模型 efficiency 方面的 unique 策略。

昆仑万维的此次发布，不仅展示了中国 AI 公司在大模型应用层面的创新实力，更在关键能力和成本效率上对国际 leading 的 AI 公司发起了挑战。

天工超级智能体在 AI Office 和 Deep Research 领域的突破，预示着人工智能正从通用智能向 specialized、efficient 的方向发展，更好地服务于特定场景和专业需求。随着技术的不断迭代和优化，我们有理由期待 AI 在提高工作效率、推动知识创新方面发挥 increasingly 重要的作用。昆仑万维的天工超级智能体，无疑是这一进程中的 significant player。


碾压OpenAI？昆仑万维发布天工超级智能体，主打AI Office和深度研究，成本优势明显


> 在AI编程助手市场竞争日益激烈的今天，一位强劲的新玩家——Augment Agent正式登场，直接挑战Cursor、GitHub Copilot等现有产品。官方数据显示，Augment Agent在企业业务竞争中对GitHub Copilot的胜率高达70%，并在SWE-bench基准测试中创下最高分。[1](https://github.com/augmentcode/augment.vim) 今天，我们将深入了解这款由Augment Code推出的强大AI编程助手。


## 为大型代码库而生的AI助手

与大多数专注于"从零开始"代码生成的AI工具不同，Augment Agent的核心优势在于帮助开发者在**大型现有代码库**中高效导航和修改代码。正如Augment Code的CEO所言："我们的目标是维护那些经过多年演变、有数百名开发者协作参与的大型复杂系统——如数据库、网络栈和存储等代码库。"[2](https://docs.augmentcode.com/setup-augment/install-vim-neovim)

![Description](https://static.downly.cn/covers/b2602e0d659b4b3280f2c6b25a3cdf91.png)


## 核心优势

### 1. 超大上下文容量

Augment Agent最显著的特点是其**20万token的上下文窗口**，这一容量是大多数竞争对手的两倍。这使得它能够处理跨越数百万行代码的项目，无需开发者手动组装相关上下文。[2](https://docs.augmentcode.com/setup-augment/install-vim-neovim) 通过实时采样技术，Augment Agent能精确识别代码库中最相关的部分，确保AI能有效工作。

### 2. 智能记忆功能

Augment Agent配备了强大的"记忆"功能，能够：

- 自动学习用户的编码风格
- 记住之前的重构和代码规范
- 在多次对话中保持记忆并不断优化
- 随着时间积累适应个人编码偏好[3](https://www.augmentcode.com/blog/augment-code-vim-and-neovim-extension)

这一功能特别关注代码的美学和结构，而不仅仅是功能实现，满足了开发者对代码质量的高要求。[1](https://github.com/augmentcode/augment.vim)

### 3. 强大的工具集成能力

Augment Agent全面支持MCP（模型上下文协议），提供丰富的工具和系统访问权限：

- **原生工具集成**：包括GitHub、Jira、Confluence、Notion和Linear等
- **基础设施集成**：支持Vercel、Cloudflare等，帮助添加额外上下文、自动化工作流和调试生产问题
- **终端命令支持**：允许Agent在终端运行命令，如npm install、run dev或与Git交互[3](https://www.augmentcode.com/blog/augment-code-vim-and-neovim-extension)

## 实用功能亮点

### 代码检查点（Code Checkpoints）

自动跟踪代码变更，支持轻松回滚，确保用户能随时恢复到之前的代码状态，维护其偏好的编程风格。[3](https://www.augmentcode.com/blog/augment-code-vim-and-neovim-extension)

### 多模态输入支持

开发者可以分享截图、Figma文件等多种形式的输入，帮助修复bug或实现UI元素，大大提高了交互的灵活性。[1](https://github.com/augmentcode/augment.vim)

### 自动模式（Auto Mode）

用户可以选择让Augment Agent自动执行任务，无需手动确认每一步操作，显著提高工作效率。[2](https://docs.augmentcode.com/setup-augment/install-vim-neovim)

### 实时代码同步

当团队成员修改代码时，Augment Agent能立即获知这些变更，确保每个开发者看到最新代码，保持团队协作的一致性。[2](https://docs.augmentcode.com/setup-augment/install-vim-neovim)

## 性能表现

在SWE-bench verified基准测试中，Augment Agent结合Anthropic的Claude Sonnet 3.7和OpenAI的O1推理模型，取得最高分，在真实任务上达到65.4%的成功率，位列第一。[4](https://www.reddit.com/r/neovim/comments/ywg6dv/do_you_use_the_ideavim_plugin_in_a_jetbrains_ide/)

## 全面的IDE支持

Augment Agent提供了业内最全面的编辑器支持，满足不同开发者的偏好：

### JetBrains全家桶支持

Augment Agent为JetBrains全系列IDE提供了官方插件支持，[Augment Agent JetBrains插件](https://plugins.jetbrains.com/plugin/24072-augment)，覆盖IntelliJ IDEA、PyCharm、WebStorm、PhpStorm等主流开发环境。[4](https://www.reddit.com/r/neovim/comments/ywg6dv/do_you_use_the_ideavim_plugin_in_a_jetbrains_ide/) 插件完美集成到JetBrains界面中，保持与IDE原生功能的一致性和流畅体验。

![Description](https://static.downly.cn/covers/0866890d4bdd4c67ba08ca5cfcf0b68a.png)

### VS Code支持

VS Code作为当前最流行的代码编辑器，Augment Agent提供了功能完善的插件，支持所有核心功能，包括代码补全、聊天、上下文理解等。[3](https://www.augmentcode.com/blog/augment-code-vim-and-neovim-extension)

### Vim和Neovim支持

对于热爱命令行编辑器的开发者，Augment Agent提供了专门的Vim和Neovim插件。该插件基于与VS Code和JetBrains相同的底层上下文引擎，为Vim用户带来同样强大的AI编程体验。[5](https://www.youtube.com/watch?v=NszE7xKpI5Y) 插件设计兼容任何现代Vim或Neovim设置，并支持强大的代码补全和聊天功能，让命令行开发者也能享受AI助手的便利。[6](https://www.jetbrains.com/clion/features/terminal.html)

这种全面的编辑器支持策略确保了开发者可以在自己熟悉的环境中使用Augment Agent，无需改变工作习惯，大大降低了使用门槛。[7](https://plugins.jetbrains.com/plugin/24072-augment)

## 产品定价

Augment Agent提供透明的定价策略：

1. **社区版**：
   - 免费使用
   - 每月限制50个代理请求
   - 额外请求费用：每100个请求$9
   - 提供上下文引擎、MCP和原生工具支持[4](https://www.reddit.com/r/neovim/comments/ywg6dv/do_you_use_the_ideavim_plugin_in_a_jetbrains_ide/)
2. **开发者版**：
   - $30/月
   - 每月550个代理请求（目前阶段无限制）
   - 额外请求费用：每100个请求$11
   - 提供完整功能，包括聊天、指令、下一步编辑等[4](https://www.reddit.com/r/neovim/comments/ywg6dv/do_you_use_the_ideavim_plugin_in_a_jetbrains_ide/)
3. **企业版**：
   - 价格定制
   - 无限代理请求
   - 提供企业级支持和安全性[4](https://www.reddit.com/r/neovim/comments/ywg6dv/do_you_use_the_ideavim_plugin_in_a_jetbrains_ide/)

目前，Augment Agent正在提供**限时免费使用**的机会，公司希望收集社区反馈，确保定价公平可预测。[2](https://docs.augmentcode.com/setup-augment/install-vim-neovim)

## 未来展望

Augment团队表示，这仅仅是开始。未来将推出更多原生工具、改进与终端和IDE的集成，甚至支持同时使用多个代理。[3](https://www.augmentcode.com/blog/augment-code-vim-and-neovim-extension) 随着企业越来越多地利用AI提高开发效率，Augment Agent的推出恰逢其时，其强大的上下文引擎、记忆功能和企业级安全性，为开发者提供了一个值得关注的新选择。

## 结语

在AI编程助手市场竞争激烈的今天，Augment Agent凭借其对大型代码库的深度理解能力、超大上下文容量和智能记忆功能，成为Cursor、GitHub Copilot等产品的强劲竞争对手。[1](https://github.com/augmentcode/augment.vim) 无论是个人开发者还是大型企业团队，都可以通过Augment Agent提高代码质量和开发效率。

特别值得强调的是，Augment Agent对多种编辑器的全面支持（JetBrains、VS Code、Vim和Neovim）使其成为真正跨平台的AI编程解决方案，让开发者可以在自己熟悉的环境中享受AI加持的编程体验。[5](https://www.youtube.com/watch?v=NszE7xKpI5Y) [6](https://www.jetbrains.com/clion/features/terminal.html)

如果你正在寻找一款能够真正理解复杂代码库、适应个人编码风格并提供全方位支持的AI编程助手，Augment Agent值得一试。现在就访问官方网站，开始你的14天免费试用吧！[3](https://www.augmentcode.com/blog/augment-code-vim-and-neovim-extension)

------

*关注我们，获取更多AI开发工具和技术前沿资讯！*

## 参考来源

1. 微信公众号文章《Cursor强敌来了！》(https://mp.weixin.qq.com/s/dPN9ukfahnljcMZZl6v3yA)
2. Augment Code官方博客《Meet Augment Agent》(https://www.augmentcode.com/blog/meet-augment-agent)
3. AI-bot.cn关于Augment Agent的介绍(https://ai-bot.cn/augment-agent/)
4. Augment Agent产品定价页面
5. GitHub仓库：augmentcode/augment.vim (https://github.com/augmentcode/augment.vim)
6. Augment官方文档：Install Augment for Vim and Neovim (https://docs.augmentcode.com/setup-augment/install-vim-neovim)
7. Augment官方博客：Augment 💚 Vim (https://www.augmentcode.com/blog/augment-code-vim-and-neovim-extension)



搜索结果: 资讯