开源
字节发布通过多模态大模型实现的AI自动视频广告剪辑框架，输入产品信息和素材自动生成带货视频。
字节跳动开源的Text-to-Edit项目通过文本输入实现精确控制，采用高帧率采样和慢-快处理技术提升视频理解能力，支持用户定制视频风格。
阿里巴巴达摩院发布了专注于图像和视频理解的多模态基础模型：VideoLLaMA 3
阿里巴巴达摩院发布VideoLLaMA3多模态基础模型，支持看懂视频内容、理解图片并能对话，基于Qwen2.5架构。
直接在本地运行的开源语音识别模型：Moonshine
Moonshine是Alibaba Cloud的开源语音识别模型，上线不到一周在GitHub上获得了1.4k星。它具有更小、更快、更准确的特点，支持断网运行，适用于现场场景，其计算需求与输入音频长度成比例。
DeepSeek R1 – 最强大的开源推理模型：包含经过蒸馏优化的 Llama 和 Qwen 模型
DeepSeek R1开源模型发布，包括Llama和Qwen蒸馏版本，支持GGUF格式和4位量化，7B模型压缩至4.68G。
Leffa 登场！Meta AI 引领可控人物图像生成新潮流
Meta AI开源的Leffa项目通过独特的技术原理和强大的功能特点在人物图像生成领域取得突破。它支持虚拟试穿、姿势转换等功能，有效保留细节并保持高质量效果，在时尚、游戏、影视及教育等多领域应用广泛。
浏览器已经学会自动驾驶，使用AI对公司进行快速研究帮助做决策，国内两大高校开源UltraRAG框架
文章介绍了五种创新AI工具和解决方案，包括Operator、Coding-Agent、AI公司研究员应用、UltraRAG框架和Recommender。这些工具旨在提高开发效率、简化研究过程以及提供个性化的推荐服务。
