字节开源视觉-语言多模态大模型，AI理解现实世界的能力越来越强了。
字节开源的Seed1.5-VL是视觉-语言多模态大模型，支持多种复杂任务如盲人判断红绿灯和智能导盲。其包含5.32亿参数视觉编码器和200亿激活参数混合专家大语言模型，已在多个公开基准中表现出色。
开源AI项目落地
又一开源AI克隆数字人，音频驱动图片中角色口型生成视频，支持卡通角色。
FantasyTalking 是一款先进的音频驱动肖像动画生成技术，支持通过音频信号控制表情、唇部动作和身体姿态生成自然流畅的动画。
实测nb！这个开源免费的AI视频工具，已经可以平替商用付费软件了。
MAGI-1是SandAI-org开发的开源视频生成模型，具有高时间一致性和流式生成能力。它支持多种任务并采用先进的架构和技术以提升生成效率。
7k星星爆火！用微信聊天记录训练一个自己的数字分身回信息，还能克隆声音回复语音消息。
通过微信聊天记录和语音消息，结合大语言模型与语音合成技术，打造高度个性化的数字分身。支持从CSV格式导出聊天数据并训练模型，实现自动回复文字和语音功能。
一大早被广告刷屏的”首个设计 Agent”，居然是这家国内公司做的。
文章介绍了LovartAI软件，它由一家国内公司开发。虽然其功能尚未完全展示，但界面设计非常吸引人。文章还提到了Liblib可能就是LovartAI背后的推手之一，并分析了LovartAI的功能和市场前景。
Gemini 2.5 Pro发布，前端开发能力有巨大提升，首发根据视频做网页功能。
Gemini 2.5 Pro新发布，提升代码、前端和UI开发能力。视频转代码功能首发，自动匹配设计样式，增强了动效制作。官方提供了体验链接供用户尝试。