首页 > 原创 > 关键词  > 人工智能最新资讯  > 正文

AI日报:通义千问开源Qwen3向量模型;字节跳动图像编辑模型SeedEdit 3.0;ElevenLabs推v3语音模型

2025-06-06 16:09 · 稿源:站长之家

欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南,每天我们为你呈现AI领域的热点内容,聚焦开发者,助你洞悉技术趋势、了解创新AI产品应用。

新鲜AI产品点击了解:https://top.aibase.com/

1、通义千问正式发布Qwen3-Embedding系列模型

我作为一名AI助手,对通义千问团队推出Qwen3-Embedding系列模型感到非常兴奋。这款新模型不仅在多语言文本理解和检索任务上表现出色,而且提供了灵活的配置选项和强大的多语言支持,展现了其在文本处理领域的领先地位。

image.png

【AiBase提要:】

📚 Qwen3-Embedding系列基于Qwen3基础模型,提供从0.6B到8B参数规模的三种配置,适用于不同场景下的性能与效率需求。

🌍 支持超过100种语言,具备强大的多语言、跨语言及代码检索能力,采用双塔和单塔结构设计。

🌟 在MTEB多语言榜单中得分70.58,性能超越众多商业API服务,展现卓越的文本表征和排序能力。

详情链接:https://modelscope.cn/collections/Qwen3-Embedding-3edc3762d50f48

2、字节跳动发布图像编辑模型SeedEdit3.0细节保持能力进一步提升

SeedEdit3.0是基于 Seedream3.0开发的图像编辑模型,通过多样化数据融合和专用奖励模型,大幅提升了主体保持、背景细节处理及指令遵循能力,尤其在人像编辑、背景更换和复杂光影处理方面表现卓越。

image.png

【AiBase提要:】

✨ 引入高效数据融合策略与专用奖励模型,显著提升图像编辑保持效果。

🌟 支持4K分辨率编辑,处理复杂场景如人像、光影变换时展现强大细节处理能力。

🚀 推理加速至10秒级,23类编辑任务评测领先,可用率提升至56.1%。

详情链接:https://seed.bytedance.com/seededit

3、地表最强AI语音来了!Eleven v3Alpha版震撼发布,会说话还能‘演戏’

ElevenLabs推出的Eleven v3Alpha版以其卓越的情感表达、多语言支持和自然对话能力成为TTS领域的里程碑,重新定义了文本转语音技术。

【AiBase提要:】

🌟 Eleven v3Alpha版引入音频标签,可精确控制情感、语速并添加音效,使语音更真实且富有表现力。

🌐 支持70多种语言,具备多角色对话能力,适用于影视配音、教育及客户服务等多场景。

🚀 技术升级后,文本理解与对话生成能力显著提升,自动标签功能简化创作流程,助力非专业人士轻松生成高质量语音内容。

4、Anthropic 发布专为国家安全定制的 AI 模型,获亚马逊和谷歌支持

Anthropic 推出 Claude Gov 模型套件,专为国家安全机构设计,增强涉密材料处理能力,获得亚马逊和谷歌战略支持,但面临 Reddit 的法律诉讼。

【AiBase提要:】

🌐 Claude Gov 模型套件专为国家安全机构设计,提升涉密材料处理能力。

🤝 产品获亚马逊和谷歌支持,仅限最高安全许可机构使用。

⚖️ Anthropic 面临 Reddit 提起的法律诉讼,指控其未经授权使用用户数据训练模型。

5、可灵AI月度付费金额连续两个月超1亿元,用户规模破2200万

可灵AI在推出10个月后年化收入运行率突破1亿美元,P端付费订阅会员贡献主要收入,全球用户规模突破2200万。

image.png

【AiBase提要:】

✨ 可灵AI年化收入运行率突破1亿美元,仅10个月达成。

💰 P端付费订阅会员贡献近70%营业收入。

👥 全球用户规模突破2200万,为企业客户提供API服务。

6、Meta发布Aria Gen2技术细节:四摄像头加持,续航8小时挑战苹果Vision Pro

Meta首次全面披露Aria Gen2研究眼镜的技术细节,相比初代产品,它在硬件设计、传感器技术和AI处理能力等方面实现了全面升级。

image.png

【AiBase提要:】

四摄像头加持,全局快门传感器解决运动失真问题,深度测量精度显著提高。

新增接触式麦克风,鼻托内置结构声传导技术,嘈杂环境下仍能清晰拾音。

AI处理能力大幅增强,支持六自由度位置追踪、眼动追踪及3D手部追踪,为未来AR交互奠定基础。

7、爱诗科技PixVerse国内版“拍我AI”正式上线

爱诗科技旗下的PixVerse国内版“拍我AI”正式上线,支持网页端和移动端,并提供API开放平台,大幅降低视频制作成本与时间。

image.png

【AiBase提要:】

拍我AI通过AI特效和WoW发射器助力用户轻松创作个性化视频内容。

国内版支持V4.5版本,提供便捷的视频生成解决方案,满足多种需求。

拍我AI开放平台与多家头部企业合作,为企业用户提供高效视频生成工具。

详情链接:https://pai.video

8、富国银行大胆预测:2030年 ChatGPT 广告收入将达千亿美元

富国银行分析师预测,到2030年ChatGPT将占据全球搜索广告市场30%份额,年收入接近1000亿美元,这将对谷歌的主导地位构成挑战。

【AiBase提要:】

截至2030年,ChatGPT预计占据全球搜索广告市场30%份额,年收入接近1000亿美元。

目前,谷歌在搜索广告领域占据超90%市场份额,但预计到2030年将降至约60%。

ChatGPT的商业化进程可能受到与手机制造商合作及反垄断裁决的推动。

9、王自如感谢董明珠雷军 将以AI测评UP主身份二次创业

知名科技博主王自如宣布复更并更名为‘王自如AI’,专注AI内容创业,助力传统产业数字化转型,同时分享了在格力的经历及对董明珠和雷军的感激。

【AiBase提要:】

🚀6月6日,王自如的B站账号复更并更名为‘王自如AI’,开启AI测评UP主的二次创业。

💼 他曾在格力重塑销售体系,得益于董明珠和雷军的鼓励,怀揣理想继续前行。

💡 选择AI领域创业是因为看到其巨大潜力,认为能快速获得回报。

10、智源发布RoboOS2.0与RoboBrain2.0:首个支持MCP机制的机器人

在北京智源大会上,北京智源人工智能研究院发布了具身智能操作系统RoboOS2.0与大模型RoboBrain2.0,开源推动具身智能生态发展。

【AiBase提要:】

首个支持MCP机制的机器人操作系统RoboOS2.0,降低开发门槛并提升多机器人协作能力。

RoboBrain2.0任务规划准确率提升74%,在空间推理与智能调度方面表现卓越。

已与多家企业合作,共同构建开放、协同的智能机器人生态体系。

11、谷歌重磅新作!Portraits让你与虚拟专家对话,解锁沟通与领导力秘籍

谷歌推出的Portraits是一款基于AI技术的创新产品,用户能与虚拟专家实时互动学习沟通与领导力等技能,具有高度个性化和交互性的特点。

【AiBase提要:】

🌟沉浸式对话学习体验,与虚拟专家互动掌握实用技能。

🌐AI驱动个性化学习,动态调整内容确保针对性。

🌍应用场景广泛,从职场到教育,助力个人与职业发展。

12、OpenAudio 发布开源 TTS 模型 S1-Mini:0.5B 参数打造超自然 AI 语音

Fish Audio 推出基于 S1模型的轻量化版本 S1-Mini,参数仅0.5B,却具备高表现力和多语言支持,开源后大幅降低开发门槛,为教育、娱乐等领域带来创新可能。

image.png

【AiBase提要:】

🌟 轻量化设计:0.5B 参数,适配边缘设备,支持14种语言与50+情感表达。

🌐 开源赋能:免费下载,降低开发门槛,促进全球技术普及与创新。

🚀 性能卓越:媲美行业巨头,尤其在多语言和复杂对话场景表现突出。

详情链接:https://huggingface.co/fishaudio/openaudio-s1-mini

13、AI驱动本地视频编辑工具Diffusion Studio Pro,号称“CapCut + Cursor”结合

AI驱动的视频编辑工具Diffusion Studio Pro正式亮相,以其强大的AI功能和本地化设计受到广泛关注。它结合了CapCut和Cursor的优势,提供多模态AI赋能的非线性编辑体验,同时支持免费使用,极大降低了创作门槛。

【AiBase提要:】

🌟 多模态AI赋能非线性编辑,内置智能代理侧边栏实现自动化工作流,显著提升创作效率。

🔒 本地优先设计保护隐私,免费无限层级模式吸引独立创作者和小型团队。

🌍 支持广泛应用场景,从短视频到专业制作,提供从创意到上线的全链条支持。

14、智源研究院推出Emu3等‘悟界’系列大模型

在第七届‘北京智源大会’上,智源研究院发布了‘悟界’系列大模型,包括Emu3、见微 Brainμ、RoboOS2.0、RoboBrain2.0和OpenComplex2,涵盖多模态智能技术,推动人工智能应用落地。

【AiBase提要:】

🚀 Emu3作为原生多模态世界模型,整合视觉、听觉和触觉数据,提升机器对世界的理解能力。

🧠 见微 Brainμ结合神经科学成果,为机器智能发展提供生物学支持。

🤖 RoboOS2.0和RoboBrain2.0推动具身智能协作框架,加速机器人技术进步。

15. Luma Labs 发布 Modify Video:AI 视频后期一键改风格、换场景

Luma Labs 推出 Modify Video 工具,利用 AI 技术简化视频后期制作,实现风格重塑、场景替换等功能。

【AiBase 提要:】

🌟 风格重塑:通过文本改变视频艺术风格。

🌍 场景替换:将背景换为新的场景,增强视觉效果。

🎭 角色编辑:调整人物外观和表演,无需重新拍摄。

举报

  • 相关推荐
  • 「6月30日AI日报」百度开源文心大模型4.5系列;通义千问发布多模态生成模型Qwen VLo

    AI日报精选:1)百度开源文心大模型4.5系列,含10款新模型,性能优异;2)通义千问发布多模态模型Qwen-VL,支持图文交互;3)阿里开源3亿参数多模态模型Ovis-U1;4)华为开源盘古7B稠密和72B混合专家模型;5)美图MOKI推出AI创意广告功能,一键生成专业视频;6)谷歌Gemini 2.5 Pro API重新免费开放;7)豆瓣上线"深入研究"AI功能;8)小米"AI百宝箱"结束内测;9)北京智研院开源多模态系统OmniGen2;10)知乎升级"直答"知识库功能。

  • AI日报:腾讯混元3D 2.1大模型开源;字节跳动AI Lab负责人李航卸任;OpenAI Codex 全新升级

    本文介绍了AI领域最新动态:1)腾讯开源混元3D2.1大模型,提升3D生成质量;2)OpenAI Codex升级,优化代码生成功能;3)字节跳动AI Lab负责人李航卸任;4)微软发布700个AI应用案例;5)微软推出Code Researcher工具,解决58%系统崩溃问题;6)Observer AI实现屏幕操作自动化;7)Genspark发布AI浏览器;8)麻省理工用AI技术3.5小时修复15世纪名画;9)蚂蚁集团推出开源多模态GPT-4o模型Ming-Omni;10)MagicTryOn视频换衣框架;11)字节跳动发布实时互动AI视频生成模型Seaweed APT2;12)ChatGPT搜索功能升级;13)字节跳动与老凤祥合作开发AI智能眼镜。

  • AI日报:通义千问3大模型全球爆火;即梦图片3.0智能参考全量上线;智谱AI企业级超级助手Agent CoCo上线

    【AI日报】今日AI领域重要动态:1.通义千问3大模型全球下载量超1250万,衍生模型13万+;2.即梦图片3.0上线,AI设计进入"零门槛"时代;3.智谱AI发布企业级超级助手Agent CoCo;4.百度推出金融行业大模型"千帆慧金";5.小红书开源首个大模型dots.llm1,含1420亿参数;6.Hugging Face开源LeRobot项目,降低机器人研发门槛;7.ChatGPT语音功能升级,支持更自然对话翻译;8.Google Gemini应用下载量超ChatGPT但活跃度不足;9.轻量级文档解析模型MonkeyOCR表现优异;10.Google Veo3推出高速视频生成模式;11.Google调整AI Studio政策,限制Gemini2.5Pro免费访问。

  • AI日报:阿里通义推Qwen-TTS模型;Cursor已支持网页和手机端;字节发布图像合成技术XVerse

    【AI日报】今日AI领域7大突破:1)阿里通义Qwen-TTS实现方言语音合成重大突破;2)Cursor发布Web版AI编程工具;3)字节XVerse技术实现多对象精准图像生成;4)NoteGen跨平台AI笔记工具革新知识管理;5)ManimML动画库可视化Transformer架构;6)TEN+Agent开源语音交互技术降低延迟;7)Chai-2抗体设计模型将药物研发周期缩短至两周。淘宝同时上线RecGPT推荐模型提升购物体验。

  • AI日报:即梦灰测图片3.1模型;ElevenLabs推出AI语音助理11ai;百度发布多智能体协同AI IDE

    本文介绍了AI领域多项最新进展:1)即梦灰测图片3.1模型增强电影感和艺术风格;2)ElevenLabs推出语音助手11ai;3)文心快码发布多模态AI开发工具Comate AI IDE;4)苹果采用"归一化流"技术开发新型AI生图模型;5)Grok将推出整合多类型文件管理功能;6)OmniGen2开源多模态模型重塑AI应用场景;7)ScholAI革新学术研究工具;8)豆包推出可视化AI编程功能;9)饿了么推出骑手AI助手"小饿";10)张雪峰认为AI可替代部分教育工作;11)微软发布3.3亿参数小模型Mu。这些创新展示了AI技术在各领域的快速发展和应用潜力。

  • 极氪接入通义千问3,知识库问答命中率达98%

    极氪汽车接入通义千问3大模型,打造专属知识库"极氪知道",问答准确率达98%。基于阿里云平台调用Qwen3-235B-A22B大模型,构建图文视三位一体的知识呈现系统,可提供标准化文本介绍及多媒体资源。通义千问3的快慢思考融合架构能提供更富逻辑性的车辆对比介绍,提升客户决策体验。极氪车联网、APP等核心业务已运行在阿里云平台。

  • AI日报:MiniMax-M1开源;阿里Qwen3升级版适配苹果MLX架构;月之暗面发布新模型Kimi-Dev-72B

    《AI日报》汇总了近期AI领域多项重要进展:1)月之暗面推出开源编程模型Kimi-Dev-72B,在软件工程任务测试中创下新纪录;2)MiniMax开源M1模型,支持超长上下文推理且训练成本低;3)腾讯发布AI音乐模型LeVo,支持音色克隆和分轨生成;4)阿里云Qwen3升级版适配苹果MLX架构;5)豆包推出"AI播客"功能,可将PDF转为对话播客;6)夸克App上线个性化AI家教"夸克老师";7)松下发布多模态大模型OmniFlow,实现文本/图像/音频自由切换;8)TikTok推出三款AI视频创作工具;9)极氪与火山引擎合作,将豆包大模型接入智能座舱系统;10)Meta的Llama3.1模型在文本记忆方面表现突出;11)Grok上线定时追踪X热门话题功能;12)Gemini2.5Pro即将更新Deep Think功能;13)谷歌地图引入AI技术升级导航和个性化推荐功能。

  • A日报:B站升级动漫视频生成模型AniSora V3;字节开源4D视频生成框架EX-4D;DeepSWE开源AI Agent系统强势登顶

    AI日报栏目汇总了近期AI领域的重要进展:1)字节跳动开源EX-4D框架,可将单目视频转换为多视角4D视频;2)B站开源动漫视频生成模型AniSora V3,支持多种风格;3)DeepSWE+开源基于Qwen3-32B的AI Agent系统;4)字节开源3亿参数图像编辑模型VINCIE-3B;5)Stability AI推出移动端音频生成模型Stable Audio Open Small;6)谷歌发布免费教育AI工具套件Gemini for Education;7)Topview推出革命性AI数字人带货技术Avatar

  • AI日报:MiniMax发布视频智能体Hailuo Agent;昆仑万维开源 Skywork-SWE-32B;B站接入Qwen 3等模型

    本期AI日报聚焦多项AI领域创新:1)MiniMax推出视频Agent工具,支持文本生成高清视频及人脸驱动;2)昆仑万维开源Skywork-SWE-32B模型,提升软件工程任务表现;3)B站接入通义千问模型,推出数据分析智能体InsightAgent;4)ChatGPT深度整合Gmail与日历功能;5)腾讯云发布全链路AI开发平台"AI Builder";6)HeyGen推出UGC广告数字人功能;7)研究显示过度依赖AI或削弱批判性思维。此外还涵盖AI音乐生成、内容检测工具停运等动态,展现AI技术快速发展的多元应用与潜在影响。

  • 「6月27日AI日报」腾讯开源轻量级混元-A13B模型;可灵AI推“视频音效”功能

    AI日报主要内容: 1. 腾讯开源混元A13B模型,采用MoE架构,总参数量800亿,激活参数130亿,支持低端GPU部署 2. 可灵AI推出"视频音效"功能,实现所见即所听的沉浸体验 3. Black Forest开源图像编辑模型FLUX.1Kontext,支持消费级硬件运行 4. OpenAI发布Deep Research API新模型o3/o4-mini,支持自动化网页搜索和数据分析 5. 小米推出1999元起AI眼镜,集成拍摄、支付、音乐等功能 6. 迅雷推出下载MCP服务,一句话指令让AI自动完成下载任务 7. HeyGen推出AI视频Agent,几分钟内生成专业级视频内容 8. 谷歌开源端侧多模态大模型Gemma3n,手机也能运行云端AI性能