AAAI 2025 浙大团队提出TechSinger：基于流匹配的技巧可控、多语言歌声合成
本文提出TechSinger，一种支持五种语言与七种歌唱技巧精细控制的歌声合成系统，克服传统方法在可控性和艺术表达上的局限。
自然语言提示
断交OpenAI后，人形机器人独角兽首秀：一个神经网络控制整个上身，能听懂人话可抓万物
Figure发布首个成果Helix，一个端到端通用控制模型。只需自然语言提示，机器人就能拿起任何东西。它展示了强大的对象泛化能力，在未见过的物体上执行任务的能力。
突发！谷歌版Sora发布：最大对手竟是「可灵」，OpenAI表现最差
谷歌发布了Veo 2和Imagen 3等新模型，并推出了Whisk图像生成工具。Veo 2能生成高质量视频，Imgen 3则改进了图像生成能力，而Whisk允许用户通过组合图像来创作新的艺术作品。