作者： Tarogo Cloud

一个开源项目：AI相册

282
AI项目, 开源项目

相册AI是一个实验项目，使用最近发布的gpt-4o-mini作为视觉模型，自动识别相册中图像文件的元数据。然后，它利用 RAG 技术来实现与专辑的对话。 它可以用作传统相册，也可以用作图像知识库来辅助LLM进行内容生成。

AudioNotes：音视频内容转笔记系统

265
AI行业应用, 多媒体处理

AudioNotes 是一个基于 FunASR 和 Qwen2 构建的音视频内容转结构化笔记系统。它的主要功能是快速提取音视频的内容，并通过调用大模型进行整理，将这些内容转换为结构化的Markdown笔记，便于用户快速阅读和理解。

Mistral AI 和NVIDIA 发布 Mistral NeMo 12B

237
AI巨头, Nvdia

Mistral AI 宣布发布 Mistral NeMo，这是一个由 NVIDIA 协作开发的 12B 参数模型，具备高达 128k 令牌的上下文窗口。 该模型旨在支持企业应用，包括聊天机器人、多语言任务、编码和摘要。在其尺寸类别中，Mistral NeMo...

微软正式推出 Microsoft Designer

213
AI巨头, MicroSoft

Microsoft Designer 与 Microsoft 产品无缝集成，包括 Word 和 PowerPoint，通过 Microsoft Copilot 进一步提升创意体验。订阅 Copilot Pro 后，当你在 Word 和 PowerPoint...

ElevenLabs 发布Turbo 2.5模型

223
AI行业应用, 多媒体处理

该模型支持包括普通话在内的 32 种语言，能为全球近 80%的地区提供高质量、低延迟的 AI 对话； 首次支持越南语、匈牙利语和挪威语； 重点提高了印地语、法语、西班牙语、普通话等 27 种语言的响应速度，其中英语速度提高了 25%，最高提升达 3 倍；...

DETECT-2B ：音频深度伪造检测工具

501
AI行业应用, 多媒体处理

etect-2B的子模型由带有关键层插入适配模块的冻结音频表示模型组成。这些适配模块专注于识别真实音频与伪造音频的细微差别——即录音中不经意留下的声音痕迹。大多数AI生成的音频片段听起来都“过于完美”。Detect-2B能够预测音频中AI制作的成分，而且无需每次听到新片段时都重新训练模型。这些子模型

亚马逊推出了一款人工智能购物助手：Rufus

195
AI巨头, Amzon

经过数月的测试，亚马逊今天向所有美国客户推出了其生成式人工智能购物助手Rufus。这个对话式购物助手旨在帮助客户节省时间并做出更明智的购买决策。 Rufus现已在亚马逊购物应用中上线，恰逢Prime Day

StreamVC: 实时低延迟语音转换

351
AI行业应用, 多媒体处理

StreamVC 即使在移动平台上也能以低延迟从输入信号生成结果波形，使其适用于呼叫和视频会议等实时通信场景，并解决这些场景中的语音匿名等用例。 谷歌的设计利用 SoundStream 神经音频编解码器的架构和训练策略来实现轻量级高质量语音合成。...

Stability AI推出Stable Assistant两大新功能

242
AI行业应用, AI项目

Stability AI宣布为其用户友好型聊天机器人Stable Assistant推出两项创新功能，进一步提升用户体验和创造力。这两项新功能分别是图片编辑中的搜索和替换，以及通过Stable Audio生成高质量音频。