马克学ai

在人工智能领域，一场静默的革命正在发生。DeepSeek最新开源的OCR模型不仅突破了传统文字识别的边界，更提出了一个颠覆性的理念：​用“看”代替“读”​。这一创新正引发全...

​ 视觉与听觉的双重革命：AI多模态技术迎来效率突破 在人工智能快速发展的浪潮中，我们正见证着两个看似不同却同样深刻的技术革命同时发生。一边是DeepSeek-OCR通过视...

在人工智能快速发展的浪潮中，语音交互技术正迎来重要转折点。阶跃星辰最新开源的Step-Audio 2系列模型，凭借其创新的端到端架构和卓越的性能表现，为多模态语音领域树立了...

近日，阶跃星辰推出的Step-Audio 2系列模型凭借其创新的端到端架构与多项SOTA性能，为多模态语音领域注入新动能。作为开源语音大模型的重要突破，该技术不仅实现了音频...

阶跃星辰正式推出开源端到端语音大模型Step-Audio 2 mini，并在国际权威评测中以多项SOTA成绩引发关注。这款模型不仅实现了语音理解、生成与推理的深度融合，更凭...

在人工智能语音交互领域，国产技术正以令人惊叹的速度实现突破。2025 年 8 月 29 日，阶跃星辰公司正式开源的 Step-Audio 2 mini 端到端语音大模型，凭...

“请分析这段音频里的情绪，再翻译成龙虾的粤语说法”—— 放在半年前，完成这个需求需要调用 “语音识别 + 情绪分析 + 翻译” 三个模型，还得手动拼接结果；现在用阶跃星辰开...

当行业还在为 “13B 参数数字人模型能生成多逼真的动画” 争论时，蚂蚁集团甩出了一张 “王炸”——EchoMimicV3。这款仅 1.3B 参数的小模型，不仅在口型同步、...

在 AI 数字人领域，“头部动、身体僵” 曾是行业通病 —— 能让虚拟人张嘴说话不难，但要让它自然抬手、转身，甚至配合场景做手势，要么需要专业动捕设备，要么得手动调整几十组...

“想做个虚拟主播带货视频，还要啥 3D 建模、动作捕捉？”—— 这是实测蚂蚁集团 EchoMimicV3 后最直观的感受。以前需要专业团队花 3 天制作的 1 分钟数字人视...

传统数字人视频制作有多难？想让虚拟主播念一段产品介绍，得先做 3D 建模、手动调表情，再让动作捕捉设备匹配语音，一套流程下来，1 分钟的视频可能要花 3 天；而现在用蚂蚁集...

【北京，2025年10月】 在全球AI算力竞赛进入白热化的今天，一家中国公司打破了"国际巨头垄断高端AI算力"的市场格局。东方超算（AI-POWER）今日正式发布Deep ...

【北京，2025年10月】 当建筑师王总背着一个公文包走进客户的会议室，没人能想到，这个巴掌大的设备里装着相当于传统AI服务器300kg重量的计算能力。5分钟后，客户提出的...

​ 东方超算正式发布Deep X G20系列：以便携超算重塑企业级AI算力标准 【2025年10月·中国】 东方超算（AI-POWER）今日正式发布Deep X G20系列...

【北京，2025年10月】 "我们算了一笔账：如果继续用云GPU，3年要花360万；买5台Deep X，总成本20万，还能用5年以上。这不是一个数量级的差异。"深圳某量化私...

【北京，2025年10月】 "我们用了两天时间，尝试在服务器上部署LLaMA 11B模型。安装Python环境，报错；配置CUDA，版本冲突；下载模型权重，网络超时；终于跑...

给《甄嬛传》配一段英文台词，既要保留皇后的温婉音色，又要还原 “臣妾做不到啊” 的崩溃情绪，还得精准对齐原视频 5 秒的口型 —— 放在以前，这需要专业配音演员录制 + 后...

给《让子弹飞》配一段英文台词，既要保留张麻子的粗犷音色，又要还原角色愤怒的情绪，还得精准对齐原视频 4.8 秒的口型 —— 放在半年前，这需要专业配音演员 + 后期团队花数...

“用 5 秒音频克隆朋友声音，再让 AI 用这个声音配一段‘委屈到哭’的台词”—— 放在半年前，这需要专业配音工具和复杂操作，现在用 B 站开源的 IndexTTS2，普通...

自回归语音合成（AR-TTS）诞生十年间，始终被困在 “自然度” 与 “可控性” 的矛盾里 —— 能生成如真人对话般的韵律，却无法精准控制时长；能克隆音色，却让情感与声音绑...