Qwen2 是对前一代 Qwen1.5 全面升级，它提供了多种尺寸的模型，支持更多语言，并在代码理解、数学解题等方面表现更加出色。千问 2 系列模型基本能够超越同等规模的最优开源模型甚至更大规模的模型，尤。其是代码及中文理解上，重回开源天花板模型。

详细介绍了其用于娱乐表演的机器人的设计图纸和主要控制技术，该机器人能在复杂地形行走，还能跳舞和表演。

的谷歌 NotebookLM 开源替代方案。只实现了核心功能，能够将 PDF 文件转换为播客。看了下代码，作者也是白嫖仙人，Llama 模型用的 fireworks 的免费接口，MeloTTS 用的 HF Space 的 gradio 接口。是一个基于 Llama 3.1 405B 和。

他还表示他家的 Optimus 机器人可以变身猫娘、帮你接孩子、教孩子一切知识。未来量产Optimus 机器人的成本将低于一辆汽车，还讨论了未来战争形态、机器人数量比例等等。马斯克在直播玩大菠萝的切片视频中，预言 2026 年将实现AGI，并表示有1%概率我们的文明将直接Over。

这模型支持文生视频和文+视频生视频，主要应用于机器人和自动驾驶领域的大规模合成数据生成。目前，英伟达已经开放了多个不同的预训练模型，这些模型均支持商业用途。，看看这个模型的实际效果如何。

现在迎来了大更新，就像 Claude Artifact 一样，支持了对话生成前端界面了，背后的知识库都升级到最新版本。视频演示的是使用 v0 chat 生成的俄罗斯方块游戏，即使你不懂代码也推荐你试试，非常的强。如果你是一个前端开发，那么 vercel 家 的。你一定知道，俺还是早期测试人员哩。

TangoFlux 是一个开源的极速文本转音频（TTA）生成模型，在单个 A40 GPU 上仅需 3.7 秒即可生成 30 秒的 44.1kHz 音频。看看，速度确实飞快，生成的质量也算还行。

早在 7 月份，智谱公布了他们的视频生成模型 CogVideoX（清影），昨晚他们的官推宣布 CogVideoX-5B 即将开源（大概率今天），框架已经提前完成了适配。

Suno 之前发布了多个 V4 版本的预告，今天终于正式发布了！新版本能够生成具有更好音频质量、更清晰歌词和更动态歌曲结构的歌曲。Suno 在音乐生成的竞争对手好像没有几个能打的，我知道就海绵音乐，还有别的吗？

是京东健康开源的一个音频驱动的数字人头项目，它不仅支持唇形一致和表情控制，还能为动物生成数字头。这类技术在市场上非常多，有需求的读者可以在三花上搜索‘数字人’，不过真正落地的不多，JoyVASA 看起来是个不错的选择。