必看！VividTalk：阿里、南大等联合打造，一张照片+音频秒变说话头像视频黑科技
VividTalk是南京大学、阿里巴巴、字节跳动和南开大学联合开发的人工智能技术项目，通过音频驱动生成逼真的说话头像视频。该项目采用先进的3D混合先验技术和双分支运动-VAE（变分自编码器）来实现高质量的视觉效果和自然同步对话。
字节跳动
太惊艳！字节跳动 INFP，让虚拟对话 “活” 起来啦
INFP是字节跳动研发的一种全新的音频驱动交互式头部生成框架，它能根据双轨对话音频实时生成动态虚拟人物头像，支持多语言、唱歌模式和多种场景。研究显示其在音频-唇同步性、身份保留和动作多样性等方面表现优异。
Video Depth Anything来了！字节开源首款10分钟级长视频深度估计模型，性能SOTA
Video Depth Anything 工作解决了单目深度估计在视频领域的时序一致性问题，融合时空头、时域一致性损失函数和关键帧推理策略，实现精度、速度及稳定性三者的平衡。
ComputerUse再来重磅玩家，字节跳动开源 纯视觉驱动GUI 智能体模型 UI-TARS，桌面浏览器全支持
字节跳动开源UI-TARS模型，通过纯视觉驱动和端到端架构实现高效GUI自动化操作，支持多种平台，已在GitHub上发布多个版本供开发者试用。
字节的可以直接操作图形界面的原生 GUI 智能体模型UI-TARS
UI-TARS 是一种智能体模型，可以直接理解并操作图形界面的原生 GUI 智能体，它具有感知、行动、推理和记忆等关键能力。相比传统拼装方法，UI-TARS 使用一个“大模型”进行端到端学习，提升了灵活性与稳健性，并在某些测试上超过了 Claude 和 GPT-4。
一人能顶一个公司：字节AI编程神器Trae诞生了！
2024年推出的中文友好的AI编程IDE Trae发布，支持实时建议、代码片段生成等功能，内置Claude-3.5-Sonnet免费聊天模型，简化了项目开发和日常编码过程，特别适合英语非母语开发者。
不止免费无限次Claude 3.5：字节 Trae 能否颠覆 Cursor、WindSurf？小项目亲测体验
AI 编程工具 Trae 由字节跳动推出，界面友好且功能强大。与竞品相比，它支持全中文设计、预览功能和强大的上下文理解能力。其免费无限次使用 GPT-4 和 Claude-3.5 的优势吸引了众多开发者。