LLaMA-Omni 2 是基于 Qwen2.5-0.5B/1.5B/3B/7B/14B/32B-Instruct 模型的一系列语音语言模型。与 LLaMA-Omni 类似，它可以同时生成文本和语音应答，从而实现高质量、低延迟的语音交互。通过新引入的流式自回归语音解码器，LLaMA-Omni 2 与 LLaMA-Omni 相比实现了更高的语音质量。

百度公司宣布了一项重要计划:在未来几个月内，将陆续推出全新的文心大模型4.5系列，并定于6月30日正式向公众开源。这一举措标志着百度在人工智能领域的持续深耕与创新。此前，百度宣布，文心一言将于4月1日零时起实现全面免费。届时，无论是在PC端还是APP端，用户均可轻松访问并体验文心系列最新模型，无需任何门槛。这一变化预计将显著提升文心一言的用户覆盖率和市场渗透率。

乍一看，尽管输出只有 10 FPS，但如果保持耐心，游戏的玩法还是相当完整连贯的，玩家可以挥枪、装弹、看到枪口闪光，甚至体验到后坐力。玩家可以无休止地跳跃，基本上可以飞起来，武器在特定光线下会奇异地变形，快速移动会将环境分解成抽象模糊的一团乱麻，甚至可以像某种幽灵一样穿过坚固的墙壁。当然，如果您想获得真正的、非噩梦般的《Dust 2》燃料体验，您现在就可以在 Steam 上下载《反恐精英 2》，以

然而，在推理过程中，V1 会将较大图像的 64 像素平铺放大。因此，在 v2 的训练中，我们使用 1024 像素图像的 256 像素平铺。在训练 v1 时，我们会将较大的图像调整为 256 像素作为基本事实，并将低分辨率输入的图像再次调整为 64 像素。我们看到社区中有人希望将 AuraSR 用于非生成图像，并进行大量不同类型的降解，因此我们在 v2 中加入了类似 ESRGAN 训练的降解过程。我

该模型具备增强的文本布局和样式控制功能，用户可以精确控制文本大小和位置，从而创建专业品质的视觉效果，特别适用于品牌推广、营销以及复杂的图形设计领域。Recraft 发布的 Recraft V3 模型在文本生成方面提供了前所未有的质量，他们还推出了几项重要的新功能，让用户可以更好地控制 AI 生成，比如可以指定图像中的文本大小和位置、精确的样式控制及新的修复功能。：Recraft V3 允许用户控制

模型精炼”，有时也称为“知识精炼”，是采用大型 AI 模型（完整的 DeepSeek R1 有 6710 亿个参数）并将其尽可能多的知识转移到较小的模型（例如 15 亿个参数）的过程。微软是 OpenAI（ChatGPT 和 GPT-4o 的制造商）的坚定支持者并有着深度投资，但它似乎并不偏袒——它的 Azure Playground 有 GPT 模型（OpenAI）、Llama（Meta）、Mi

智源研究院表示，尽管MemoRAG项目仍处于初期阶段，但他们期待社区的反馈，并将持续优化模型的轻量化、记忆机制的多样性以及其在中文语料中的表现。它还能从全局记忆中生成精确的上下文线索，提高问题解答的准确性，并挖掘数据中的深层次洞见。MemoRAG采用了一种新颖的模式，通过“基于记忆的线索生成——基于线索指引的信息获取——基于检索片段的内容生成”的流程，实现了在复杂场景下精准获取信息的能力。该框架基

Video-XL利用语言模型（LLM）的原生能力，对长视觉序列进行压缩，保留了短视频理解的能力，并在长视频理解上显示出了卓越的泛化能力。Video-XL在效率与性能之间实现了良好平衡，仅需一块80G显存的显卡即可处理2048帧输入，对小时级长度视频进行采样，并在视频“海中捞针”任务中取得了接近95%的准确率。该模型的推出，标志着长视频理解技术在效率和准确性上迈出了重要一步，为未来长视频内容的自动化

腾讯混元3D生成大模型解决了现有3D生成模型在生成速度和泛化能力上的不足，帮助3D创作者和艺术家自动化生产3D资产。腾讯混元3D生成大模型是业界首个同时支持文字、图像生成3D的开源大模型，首批开源模型包含轻量版和标准版，轻量版能在10秒内生成高质量3D资产。该模型已在技术社区公开发布，包含模型权重、推理代码、模型算法等完整模型，可供开发者、研究者等各类用户免费使用。未来，腾讯混元将继续带来更多模态

北京图森未来科技有限公司于2024年12月17日正式发布了其首款“图生视频”大模型——“Ruyi”，并将Ruyi-Mini-7B版本开源，以便用户从huggingface平台下载使用。图森未来成立于2015年，总部位于美国加利福尼亚州圣迭戈，专注于AI技术在多个行业的应用，包括动画游戏和交通运输行业。Ruyi大模型专为在消费级显卡上运行而设计，提供详尽的部署说明和ComfyUI工作流，以便用户快速