

> 导语：今日AI界风起云涌，资本热度不减，AI搜索新星Perplexity再获2亿美元巨额融资，估值飙升至200亿，向搜索巨头发起有力挑战。同时，技术创新步伐加快，MiniMax推出能生成4分钟完整歌曲的Music 1.5模型，支付宝“AI付”打通智能体支付全链路，而Anthropic的Claude则新增了自动记忆功能，让AI交互更加智能。此外，OpenAI的结构调整与微软的自研模型投入，也预示着行业格局的深刻变化。

---



## AI搜索黑马Perplexity估值破200亿，谷歌霸主地位再迎强敌

AI初创公司Perplexity凭借其创新的对话式搜索服务，正成为行业内最受瞩目的新生力量。在短短两个月内，该公司再度成功融资2亿美元，使其估值达到了惊人的200亿美元。这一迅猛的增长势头，充分显示了资本市场对其挑战传统搜索巨头谷歌潜力的认可。

![image.png](https://static.downly.cn/images/7843e4e236c976dfbd650bd6fb3eb1a6.png)

 <center>图源备注：图片由AI生成</center>

## AI音乐创作进入新纪元，MiniMax Music 1.5实现4分钟完整歌曲生成

国内AI公司MiniMax发布了其新一代音乐生成大模型Music 1.5，将AI生成音乐的时长提升至4分钟，足以创作一首结构完整的歌曲。该模型赋予用户极大的创作自由度，无论是通过简单的自然语言描述，还是通过高级模式进行段落和歌词的精细编排，都能生成层次丰富、人声饱满的高质量音乐作品，真正实现了“一人即乐队”的创作体验。

![image.png](https://static.downly.cn/images/491f8ce30d336cc7b9613be3173161f1.png) <center>图源备注：图片由AI生成</center>

## “动动嘴”就支付，支付宝推出国内首个智能体支付服务‘AI付’

支付宝在智能化服务领域迈出重要一步，正式推出“AI付”服务。这是国内首个将智能体技术与支付流程完全打通的应用，用户只需通过语音对话，即可完成从点单到支付的全过程。这一创新不仅简化了操作，也为用户提供了前所未有的无缝AI服务体验。

![image.png](https://static.downly.cn/images/e16c5ceeed2eb2460cf3017a00720467.png) <center>图源备注：图片由AI生成</center>

## AI程序员再进化，Replit Agent 3实现200分钟不间断自主开发

AI编程公司Replit发布了其第三代AI开发助手Agent 3。新一代Agent的自主工作能力得到显著增强，能够连续运行长达200分钟，独立处理从代码编写、功能测试到错误修复的完整开发流程。其核心的“动态智能”技术使其具备了更强的上下文理解和迭代推理能力，能够胜任更复杂的开发任务。

![image.png](https://static.downly.cn/images/edf15e503f8d1d857e8229397fddd4eb.png) <center>图源备注：图片由AI生成</center>

## Claude AI变身“贴心管家”，新增自动记忆功能免去重复对话

Anthropic公司为其AI聊天机器人Claude推出了一项实用的新功能——自动记忆聊天内容。该功能主要面向团队和企业用户，能让Claude自动记住用户的对话历史、偏好和项目背景等关键信息，并在后续的交流中主动运用这些信息，从而提供更具个性化和连贯性的回复，极大提升了协作效率。

![image.png](https://static.downly.cn/images/f59cb49fa77df993776963f197031175.png) <center>图源备注：图片由AI生成</center>

## OpenAI结构调整新动向，或将转型公益股份公司为上市铺路

OpenAI与其重要合作伙伴微软达成了一份非约束性的谅解备忘录，计划将其营利性部门转型为公益股份公司（PBC）。此举被视为在平衡其公益使命与商业发展需求之间的一大步，旨在为公司开辟更多的融资渠道，并可能为其未来的上市做好准备。根据协议，其非营利组织将继续掌握对公司的运营控制权。

![image.png](https://static.downly.cn/images/e13ece7c3bbec5bac73b3731d82c74d5.png) <center>图源备注：图片由AI生成</center>

## 自立门户，微软豪掷重金打造自主AI模型以抗衡巨头

为巩固在人工智能领域的领先地位，微软正在大力投资，以升级其用于训练自有人工智能模型的服务器基础设施。尤其是在推出MAI-1-preview模型之后，微软明确了其自主构建并灵活运用各种规模前沿AI模型的战略方向，旨在与Meta、谷歌、xAI等科技巨头在核心技术上展开直接竞争。

## AI数据版权乱象迎来破局者？Real Simple Licensing协议应运而生

面对日益严峻的AI数据版权问题，行业正积极寻求解决方案。近期，在多起备受关注的版权诉讼背景下，部分技术专家与内容出版商联合推出了一套名为“Real Simple Licensing”（RSL）的新系统。该协议旨在简化并规范大规模数据的授权流程，为AI训练数据的合规使用提供一条清晰的路径。

## 蚂蚁与人大联手，发布首个原生MoE扩散语言模型挑战行业标杆

蚂蚁集团与中国人民大学联合发布了首个原生的混合专家（MoE）扩散语言模型LLaDA-MoE。在代码生成、数学推理及Agent任务等多项基准测试中，该模型的表现优于多个同类扩散语言模型，其性能甚至能与Qwen2.5-3B-Instruct等优秀的自回归模型相媲美。

## 融资快讯

*   **AI编程赛道火热，Replit狂揽2.5亿美元融资** AI编程公司Replit近期完成了2.5亿美元的新一轮融资，公司估值达到30亿美元，其年收入激增至1.5亿美元，用户数也突破了4000万，显示出投资者对AI驱动软件开发工具的强烈信心。
*   **超越XLM-R，约翰霍普金斯大学发布全新高效多语种编码器mmBERT** 来自约翰霍普金斯大学的研究人员成功开发了一款新型多语种编码器mmBERT。在多项任务测试中，mmBERT的表现全面超越了知名的XLM-R模型，同时还将处理速度提升了2至4倍，为多语言AI应用的研究与发展提供了更强大的工具。

每日AI资讯0912：AI搜索新星估值飙升，音乐生成与智能支付迎新突破



> 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



  >AI领域热点频发，技术创新与行业竞争交织上演。美图推出MOKI工具，旨在通过一张图颠覆传统视频广告制作流程。腾讯开源音乐模型LeVo，以卓越性能挑战Suno的行业地位。快手Kling AI上线视频转音频功能，进一步拓展AI在多媒体领域的应用。与此同时，科技巨头间的人才争夺战愈演愈烈，OpenAI据传正积极调整薪酬，以应对Meta的猛烈挖角。

 ## 一张图生成爆款 美图MOKI让视频创作触手可及

 美图公司近日发布了其AI视频生成工具[MOKI](https://www.moki.cn/home)，并宣布开启限时免费。这一工具极大地简化了视频广告的制作流程。用户只需上传一张静态图片，并从内置的免费模板库中进行选择，系统便能迅速生成具有电影级运镜水准的专业创意广告。据悉，MOKI集成了业界七大主流的视频生成模型，为创作者提供了一个一站式的便捷创作平台。

![image.png](https://static.downly.cn/images/a40e03c5b8dedbcc7b5173e551ec210f.png)

 ## 腾讯开源LeVo模型 剑指Suno的音乐生成王者宝座

 腾讯公司在AI音乐生成领域投下重磅炸弹，正式开源了其先进的歌唱模型[LeVo](https://levo-demo.github.io/)。该模型在性能上直逼当前行业标杆Suno V4.5，并显著超越了其他所有开源模型。据了解，LeVo的训练数据集包含了高达200万首歌曲，使其能够支持中英双语演唱，并展现出惊人的音乐理解和生成能力。目前，该模型已提供在线体验，让人人都能感受顶尖AI音乐的魅力。[体验地址](https://huggingface.co/spaces/tencent/SongGeneration)

![image.png](https://static.downly.cn/images/d0df39d92572906d7d5d19f464af2307.png)

 ## 快手Kling AI新功能上线 视频轻松转音频
<video src="https://static.downly.cn/images/1ca99e85b872a10d480dbb382d68f5b3.mp4"  title="30767711929-1-16.mp4"></video>
 快手旗下的AI视频生成工具Kling近期再度升级，推出了备受关注的视频转音频新功能。这一实用功能的上线，意味着用户可以轻松地从视频文件中提取独立的音频轨道，无论是提取对话、背景音乐还是声音特效，都变得异常简单。快手方面表示，该功能目前正处于限时免费体验阶段，鼓励广大用户尝鲜。

 ![image.png](https://static.downly.cn/images/8c0da1e44d1253cf2306557468739bb3.png)

 ## 人才争夺白热化 OpenAI调整薪酬以应对Meta挖角

 据外媒报道，随着AI领域的人才竞争日趋激烈，OpenAI正在积极采取行动以留住其核心研究人员。此前，竞争对手Meta成功从OpenAI挖走了数名资深研究员，引发了行业震动。为了应对这一挑战，OpenAI高管已向内部团队保证，公司领导层正在重新校准薪酬待遇体系，以确保其人才激励方案在市场上具备足够的竞争力，打响这场关乎未来的“人才保卫战”。

![image.png](https://static.downly.cn/images/5975b8ebc4b73e2401e6ef60724d36aa.png)

 ## 虚拟脱衣模型引发关注 技术伦理引深思

 一款名为 not-flux-kontext-dev-clothes-remover 的虚拟脱衣LoRa模型近期出现在公众视野中。相关信息显示，该模型能够对图片进行处理，实现“虚拟脱衣”的效果。尽管相关实验展示了其技术上的可能性，但这类模型的出现也迅速引发了关于技术滥用、个人隐私和伦理边界的广泛讨论与深切忧虑。

 ![image.png](https://static.downly.cn/images/f09e164810778daf73b3863226483806.png)



AI每日资讯0630

> 科技巨头的AI竞赛愈演愈烈，本日焦点无疑是谷歌。从开源手机端多模态模型Gemma3n，到用Gemini全面取代谷歌助手，再到推出Offerwall工具应对AI搜索冲击，谷歌正以前所未有的力度将其AI能力渗透到从底层技术到上层应用的每一个角落。与此同时，AI在内容创作领域的革命也在加速，HeyGen的一键视频生成工具和Suno对音乐编辑软件的收购，预示着一个普通人也能轻松创作专业级内容的时代正在到来。而在这场变革的背后，Meta与OpenAI的人才争夺战，则揭示了驱动这一切的核心——顶尖智慧的激烈角逐。

## 手机也能跑云端AI 谷歌开源多模态模型Gemma3n

谷歌近日投下一枚重磅炸弹，正式开源了其全新的端侧多模态大模型[Gemma3n](https://huggingface.co/collections/google/gemma-3n-685065323f5984ef315c93f4)。该系列模型旨在将以往依赖云端服务器的强大AI能力，直接带入用户的个人设备中。Gemma3n提供了E2B和E4B两个版本，以其惊人的小体积和高内存效率，实现了在手机等移动设备上进行复杂的图像、音频、视频及文本处理。


![image.png](https://static.downly.cn/images/6510a108a2a3ef47c21d515ab39ec1b2.png)


得益于MatFormer、PLE、KV Cache共享等一系列创新技术，Gemma3n不仅在多语言理解、数学、编码方面表现出色，其推理能力也获得了显著提升。此举无疑将极大地推动移动应用和智能硬件的创新，让AI真正无缝融入我们的日常生活。

## 再见Google助手 Gemini全面接管安卓智能体验

谷歌正式宣布，其强大的AI助手Gemini将全面整合进Android手机系统，并于7月7日起逐步上线。这意味着，经典的Google Assistant将逐渐退出历史舞台。更新后，用户无需打开特定应用，即可通过Gemini执行拨打电话、发送消息等日常操作，实现更深层次的系统级智能交互。
![image.png](https://static.downly.cn/images/e5b9fae8f48fca6eeeec8419ca4c560f.png)


针对用户普遍关心的隐私问题，谷歌也给出了解决方案。用户可以随时在设置中禁用“应用活动”选项，从而阻止自己的聊天记录被用于AI模型的训练，确保个人数据的安全。Gemini的全面上位，标志着Android设备将迎来一个更便捷、更智能也更注重隐私的AI新时代。

## 谷歌推新利器Offerwall 力挽AI搜索狂澜助出版商增收

随着AI驱动的搜索（如SGE）逐渐改变用户获取信息的方式，传统网站和内容出版商面临着流量下滑的巨大挑战。为此，谷歌在Ad Manager中免费推出了名为Offerwall的全新工具，旨在帮助出版商开辟新的变现途径。Offerwall允许读者通过多种方式灵活地访问付费内容，例如完成一次小额支付、观看一段广告视频，或是参与一项简短的调查。


![image.png](https://static.downly.cn/images/f7ce2b0b795478a996a134f834ac0bca.png)


在一千家出版商参与的前期测试中，该工具取得了显著成效，平均为他们带来了9%的收入提升。这对于在AI浪潮中寻求生存与发展的数字内容创作者而言，无疑是一个积极的信号。

## 一键生成爆款视频 HeyGen推出AI视频代理颠覆内容创作

视频创作的门槛正在被AI彻底打破。知名AI视频公司HeyGen最近推出了一款革命性的“AI视频Agent”，它能够将视频制作流程完全自动化。用户只需上传图片、视频片段或简单的文本描述，这个AI代理就能自动完成从故事构思、脚本撰写到镜头选择、剪辑合成的全过程。


![image.png](https://static.downly.cn/images/663d105e0649f0eada2cbe256056d471.png)


在短短几分钟内，即便是毫无经验的普通人也能生成一部专业水准的视频。这项技术为广告营销、短视频内容生产等领域提供了前所未有的高效解决方案，让内容创作者能以更低的成本和更高的效率，将创意变为现实。

## AI人才争夺白热化 Meta从OpenAI挖走顶尖研究员

AI领域的竞争，归根结底是顶尖人才的竞争。近日，Meta公司成功从其主要竞争对手OpenAI挖角，引进了强化学习和AI推理领域的顶尖研究员Trapit Bansal。他将加入Meta内部一个星光熠熠的“AI超级智能部门”，该部门由前Scale AI首席执行官领导，并已吸引了多位来自Open-AI和Google DeepMind的核心人才。

![image.png](https://static.downly.cn/images/b324fceda98a6e05ef43faaa071fc2ef.png)

此次挖角被视为Meta在AI模型竞赛中为取得领先优势而采取的关键一步。尽管此前Meta尝试收购AI初创公司的计划未能成功，但通过精准引进顶尖人才，Meta正不断加强其研发实力，以应对日益激烈的行业挑战。

## AI应用与工具速览

### YouTube测试AI摘要与对话式搜索

YouTube正在测试两项新的AI功能以提升用户体验：在搜索结果中直接显示由AI生成的视频内容摘要，以及扩展其对话式AI工具。然而，这一举措引发了内容创作者的担忧，他们害怕AI摘要会减少用户的实际视频观看量，从而影响其广告收入。

### 谷歌发布虚拟试衣应用Doppl

谷歌推出了一款名为Doppl的AI虚拟试衣应用（目前仅限美国）。用户只需上传一张自己的全身照，就能将网上的任意服装图片“穿”在自己身上，甚至可以生成动态的试穿效果视频，为线上购物提供了极具未来感的体验。
<video src="https://static.downly.cn/images/61db2b003feb947f62e7df849ffad7f9.mp4"  title="doppl1 - Compressed with FlexClip.mp4"></video>
### 黑森林团队开源最强图像编辑模型FLUX.1

Black Forest Labs（黑森林团队）开源了其强大的图像编辑模型FLUX.1 Kontext [dev]。开发者现在可以在ComfyUI等工作流平台中结合LoRA使用该模型，实现更高自由度和更精细的图像编辑效果。
![image.png](https://static.downly.cn/images/a944c19d1d7bb088aee047be0e02a56a.png)

### Anthropic推出Claude Artifacts Space

AI公司Anthropic为其大模型产品Claude推出了名为“Artifacts Space”的新功能。它允许用户将自己基于Claude创建的各种AI应用工具发布到一个共享空间，供其他人浏览和使用，极大地促进了AI应用的共享和创新。
<video src="https://static.downly.cn/images/a7669a676e786af417176f1d1751de1c.mp4"  title="30716920954-1-16.mp4"></video>

### Suno收购WavTool强化AI音乐创作

AI音乐生成领域的明星公司Suno，近日收购了基于浏览器的AI音乐制作软件WavTool。此举旨在为其用户提供更强大的后期编辑能力，让音乐人不仅能用AI生成音乐，还能像在专业工作站中一样对AI生成的音轨进行精细的调整和修改。
![image.png](https://static.downly.cn/images/39578c84acf5e8765f93dc85738c4bc9.png)

AI每日资讯0627



> 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)




搜索结果: 音乐生成