惊了！谷歌的 Gemini AI 现在可以将照片转换为带有逼真音频的视频
谷歌推出 Gemini 平台的新功能：将静态照片转化为带有生成式人工智能音频的短视频片段。利用 Veo 3 视频模型实现逼真动画效果，并提供背景音效、环境音效，甚至人物对话。
月度归档： 2025 年 7 月
“周杰伦同款AI转场视频，到底怎么做啊？”
最近周杰伦抖音发布的AI视频火爆，只需三步即可实现。网友称赞其还原了周杰伦的成长历程。
ICML2025｜多模态理解与生成最新进展：港科联合SnapResearch发布ThinkDiff，为扩散模型装上大脑
多模态理解与生成新方法ThinkDiff在ICML2025上提出，仅需少量数据和计算资源，让扩散模型具备推理能力，并通过视觉-语言训练和掩码策略传递VLM的多模态推理能力，大幅提高图像生成质量。
推荐一个「本地」开源平替版Manus：AiPy，不会跑路
国产开源项目爱派提出「Python use」概念，让AI像程序员一样工作，无需配置、本地部署和隐私安全。它可处理复杂任务如网络安全审计，并在B站展示实际案例，被推荐给非技术用户作为Manus的替代品。
大语言模型离“数学证明高手”还有多远？斯坦福、伯克利、MIT 团队提出 IneqMath 评测标准
，这些模型真的理解了推理过程吗？还是只是看起来“像那么回事”就蒙出来的？
不等式问题是检验模型“真会
宅男福音！定制“二次元女友”AI 火爆，马斯克开 44 万刀抢工程师
Elon Musk旗下的xAI推出虚拟伴侣角色Ani和Rudi，并发布职位招聘启事。年薪最高可达44万美元。职位要求包括Python、Rust编程能力等。Grok允许所有用户使用虚拟伴侣功能，引发热议。
苹果向英伟达生态妥协了！MLX框架主动适配CUDA
苹果为MLX框架增加对CUDA的支持，以利用英伟达GPU训练模型。此举标志着苹果正式向英伟达生态妥协，尽管此前因禁用部分MacBook的英伟达显卡而与英伟达产生过矛盾。
深谋科技独家发布真正为人类服务的新一代人形机器人核心技术「声波传感 · 意念控制 · 高精视觉 · 类脑智能」
2025世界人工智能大会将举行，深谋科技亮相H3馆D710展位。深谋展示其面向新一代人形机器人的全栈自研技术布局，包括动态视觉伺服系统、六维力传感器等。