行业趋势 - 全球免费AI算力租赁交换平台

📰 最新资讯

行业趋势2026/10/5 20:41:02

阿里巴巴在数字人视频生成领域构建了从“离线电影级生成”到“实时流式交互”的完整技术栈。

来源：用户投稿阅读：11

行业趋势2026/10/5 20:37:58

2024年10月，美团开源了LongCat-Video视频生成基座模型；2025年8月，开源了InfiniteTalk项目，凭借无限长度生成能力与精准的唇形、头部、表情及姿态同步表现，迅速成为语音驱动

来源：用户投稿阅读：90

行业趋势2026/10/5 20:35:50

可灵 Kling Avatar 是快手可灵AI团队研发的数字人视频生成模型系列，自2025年9月首次发布以来，以约三个月的迭代节奏，完成了从“对口型”到“会表演”再到“更会演”的跨越。

来源：用户投稿阅读：108

行业趋势2026/10/5 20:33:52

字节跳动 OmniHuman 是字节跳动智能创作团队研发的数字人视频生成模型系列，于2025年2月首次发布，核心能力是仅需一张人物图片和一段音频，即

来源：用户投稿阅读：29

行业趋势2026/10/5 20:30:25

虎牙VAM（Vivid Avatar Model）目前仅正式发布了 VAM 1.0 一个版本，于2026年7月18日在世界人工智能大会（WAIC）上首发。

来源：用户投稿阅读：27

行业趋势2026/9/29 20:16:40

Stable Audio 是 Stability AI 推出的音频生成模型系列，自2023年首次发布以来，已从基础的文本到音频生成工具演进为覆盖音乐创作、音效生成、音频编辑和端侧部署的完整产品矩阵。

来源：用户投稿阅读：61

行业趋势2026/9/29 20:14:29

谷歌在音频生成领域的布局跨越了近四年时间，从AudioLM的底层框架验证，到MusicLM的文本到音乐跨越，再到Lyria的产品化落地，形成了一条清晰的“技术奠基—能力扩展—产品集成”演进路径。

来源：用户投稿阅读：39

行业趋势2026/9/29 20:12:39

VALL-E 是微软研究院于2023年1月发布的神经编解码语言模型，全称为“Neural Codec Language Models are Zero-Shot Text to Speech Synt

来源：用户投稿阅读：26

行业趋势2026/9/29 20:11:09

OpenAI 在语音技术领域的布局呈现出独特的“双轨并行”格局：一条是以 Voice Engine 为核心的语音克隆技术路线，另一条是以 GPT-Live 和 GPT-Realtime 为代表的全双工

来源：用户投稿阅读：109

行业趋势2026/9/29 20:09:34

ElevenLabs 由前 Google 机器学习工程师 Piotr Dabkowski 和前 Palantir 部署策略师 Mati Staniszewski 于2022年创立，总部位于伦敦和纽约。

来源：用户投稿阅读：38