AI報報報

EnigmaLabsAI 開發的 Multiverse 專案，這是一個旨在建立 AI 多人世界模型 的開源計畫。 文件提供關於 專案概觀、程式碼安裝與執行說明，以及 用於訓練其核心模型的步驟。 Multiverse 由一個模擬遊戲的 降噪模型 和一個提高解析度的 升採樣模型 組成。 此外，頁面也連結了 相關的技術資源，並提供用於模型訓練的 賽車遊戲資料集。 頁面結構顯示這是一個 公開的軟體專案，並包含導覽、儲存庫詳細資訊以及社群活動資訊。

github:https://github.com/EnigmaLabsAI/multiverse

加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

Powered by Firstory Hosting

一款名為 ACE-Step 的新型開源音樂生成模型，旨在成為音樂 AI 的基礎模型。

其核心目標是透過整合擴散模型、深度壓縮自動編碼器和輕量級線性 Transformer，克服現有技術在生成速度、音樂連貫性和可控性之間的權衡問題，實現 顯著提升的生成速度 與 更優異的音樂品質及歌詞對齊。

ACE-Step 的應用場景，例如語音克隆和歌詞編輯，並坦誠地列出了 目前的限制，包括輸出不穩定性和在特定風格上的不足，同時展望了未來的改進方向。


加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

Powered by Firstory Hosting

DeerFlow，基於LangChain和LangGraph框架的一款智慧研究助理

支援動態任務迭代、MCP無縫整合、自動生成研究計畫、人機協作，甚至是播客、PPT生成

它把語言模型與網路搜尋、爬蟲和Python程式碼執行等工具結合在一起，以快速提供深入且全面的報告

github：https://github.com/bytedance/deer-flow

加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

Powered by Firstory Hosting

 Google 搜尋業務面臨的重大挑戰，尤其是來自人工智慧驅動的搜尋引擎。 影片討論了 蘋果執行長 Eddy Cue 的證詞，證實 Safari 瀏覽器的搜尋流量首次下降，部分歸因於 AI 競爭。 專家分析這對 Alphabet (Google 母公司) 股票 和其核心搜尋廣告業務的潛在影響，有人認為這代表著該公司面臨新的生存威脅，因為年輕用戶轉向 AI 服務而非傳統搜尋結果。 此外，影片也提及 Google 與蘋果之間高達數十億美元的預設搜尋引擎協議，以及這項協議在反壟斷審判中可能面臨的風險，此風險同時影響 Google 的收入和蘋果的服務營收。

加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

Powered by Firstory Hosting

騰訊剛放出來一款影片產生框架：HunyuanCustom，其核心是客製化影片產生能力，看起來效果不輸閉源模型

用來產生商品廣告、教育場景，或是個性影片製作都不錯

它由HunyuanVideo-13B支持，可以基於多模態輸入生成高度可控和一致的定制視頻

能根據像是文字、圖像、音訊、視訊等各種條件，精確的控制生成視訊的內容、主體、動作和場景，視訊中主體的身份一致性保持的非常好

支援單主體視頻定制，根據文字提示生成包含特定主體的視頻

也多主體視頻定制，根據文本提示生成包含多個主體的視頻，並可以控制每個主體的動作和交互

還有音頻驅動視頻定制，以及視頻驅動視頻定制

github：https://github.com/Tencent/HunyuanCustom

加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

Powered by Firstory Hosting

這個新來源說明了一項限時優惠，美國學生可以在2025年6月30日前註冊，免費使用Google One AI Premium方案直到2026年6月30日。此方案包含Gemini Advanced，這是一個強大的AI模型，可提供考試準備、寫作輔助和家庭作業支援等功能。此外，該方案還提供2 TB的雲端儲存空間，並可使用NotebookLM Plus和Whisk等工具，以及在Google應用程式中直接使用Gemini。學生必須年滿18歲，持有有效的**.edu電子郵件地址**進行驗證，並在2025年8月31日前再次驗證學生身分才能享有完整優惠期。

https://gemini.google/students/

加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

Powered by Firstory Hosting

 ComfyUI 新的原生 API 節點的推出，使用者現在可以直接在 ComfyUI 內存取各種 付費模型 API，例如 Veo2、Flux Ultra 和 Stable Image Ultra。

這項更新使 ComfyUI 能夠作為一個「自動化引擎」使用非本地模型以獲得更好的結果。此外，ComfyUI 也推出了全新的品牌形象，包括 新的標誌和配色方案，這些設計旨在反映其作為嚴肅創意工具的成長，同時保留其開放、可修改的特性。

使用者可以透過更新軟體、購買點數，並在模板中找到並執行這些新的 API 節點。

https://blog.comfy.org/p/comfyui-native-api-nodes

留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

Powered by Firstory Hosting

Google的Gemini 2.5 Pro預覽版(I/O版)的搶先體驗版提前出來了！是2.5 Pro的升級版，建構互動式的Web應用能力是其強項

使用單一提示詞可以創建豐富的網路應用程式、遊戲、模擬等

這次更新除了UI開發之外，還有程式碼轉換、程式碼編輯以及開發複雜的智能體工作流程等

在WebDev Arena排行榜上比上一個版本提升了147個Elo積分

目前可透過Google AI Studio、Vertex AI，以及Gemini應用程式使用，Gemini中的Canvas也是Gemini 2.5 Pro提供的支持

部落格：https://blog.google/products/gemini/gemini-2-5-pro-updates/

留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

Powered by Firstory Hosting

新出的一款端對端AI語音模型：Voila，全雙工能同時聽說，低延遲，預置百萬種語音也支援ASR、TTS以及多語言語音翻譯

端對端架構，支援全雙工的低延遲中斷，延遲195毫秒，超人類平均回應時間

能夠即時自主對話，持續性間歇、推理以及主動回應，透過文字指令可以定義說話者的身份以及語氣等特徵

模型：https://huggingface.co/collections/maitrix-org/voila-67e0d96962c19f221fc73fa5

留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

Powered by Firstory Hosting

英偉達發的第一款語音辨識模型：Parakeet TDT 0.6B V2，核心能力是它精確的詞級時間預測，還能自動加上標點符號和大小寫入

6個參數，可以準確預測單字的時鐘，主要用於英語識別
可以一次處理24分鐘的長錄音，不用分段處理
在口語數字和歌曲歌詞上表現也比較好

用於語音助理、佔領、字幕生成以及語音分析平台都可以

模型：https://huggingface.co/nvidia/parakeet-tdt-0.6b-v2
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

Powered by Firstory Hosting