➡️
继续阅读
-
高德发布通用世界模型工坊ABot-World Studio:5090单卡可生成小时级实时交互式视频与3D场景
阿里巴巴旗下高德推出了ABot-World Studio,结合交互式视频和3D场景生成。用户可通过文字或图片创建可实时交互的AI世界,支持长时间推理且无崩...
-
Interspeech2026 | MSU-Bench:多说话人对话理解评测基准
音频语言模型(ALMs)推动语音理解向多任务生成转型。西工大与南京大学等合作提出MSU-Bench评测基准,专注于多说话人对话理解,涵盖16个子任务。研究...
-
面向具身智能场景的AI原生多模态数据库 motedb v0.5.1 发布
MoteDB是一款专为边缘设备设计的嵌入式数据库,支持多模态数据。最新更新使性能提升2-10倍,内存使用减少30%。该数据库完全由Rust构建,展示了Ru...
-
OCR 教程汇总丨覆盖长文档/端到端/多语言,百度/小红书/华中科大等面向不同场景开源高性能模型,实现多模态文档精准解析
随着大模型的发展,OCR技术成为连接视觉数据与智能应用的重要工具。新一代多模态模型整合了文字识别和信息抽取等功能,推动了OCR在科研、金融和医疗等领域的应...
-
A社开始在印度使用卢比定价Claude Pro/Max 但很遗憾并没有什么优惠
#人工智能 A 社开始在印度使用卢比定价 Claude Pro/Max/Team,别急着换区迁移,因为目前印区没有任何价格优势。从目前 A 社公布的价格来...
-
论文图表可视化工具
I am finding the newly revealed capability to code old applet ideas into real...