相关快讯
网易推出Confucius4-TTS：首个支持14种语言的无口音语音克隆开源模型，仅需3秒音频即可实现音色复制
网易有道发布了“子曰 4.0”TTS语音合成引擎——Confucius4-TTS。该引擎是业内首个支持14种语言无口音跨语种语音克隆的开源模型，且无需参考文本。技术上，Confucius4-TTS具备零样本语音克隆能力，能够实现高效的语音合成。在情感表达方面，该引擎创新性地采用音频Prompt进行情感克隆迁移，突破了传统TTS依赖文本标签的限制，提升了情感表达的精准性和多样性。
扣子全面接入豆包大模型2.1，开启新篇章！
扣子（Coze）已全面接入豆包大模型2.1，这是一款新一代的人工智能模型，具备更强的通用Agent、代码工程和多模态能力。该模型能够更稳定地处理复杂任务，支持从需求理解到调试交付的完整流程。扣子的Agent可以通过多轮对话和项目上下文推进任务，提升多人协作体验。此外，扣子团队版也已上线，支持团队空间内共同创建Agent和开发应用。用户可以通过手机App、Web端和电脑客户端访问该模型的最新功能。
AI视频生成公司Sand.ai成功完成两轮融资，发展势头强劲！
Sand.ai最近宣布完成新一轮融资，三个月内累计融资超过1亿美元，投资方包括宿华、Lollapalooza Capital等多家知名机构。该公司计划在今年第三季度开源一款新一代视频生成模型，采用MoE架构，旨在实现高效推理并拥有开源领域最大的参数规模。创始人兼CEO曹越表示，Sand.ai有信心达到行业领先水平，并将该模型开放给所有用户。
大晓机器人发布开源 ACE-Ego VLA 模型，提升塑料袋打包与鞋盒装填效率
大晓机器人与香港中文大学多媒体实验室联合推出了全新的“一脑多型”具身操作 VLA 模型 ACE-Ego，并向行业开源。ACE-Ego 在人形机器人操作基准 RoboCasa GR1 TableTop 上以 72.8% 的成功率创下新纪录，领先于英伟达和京东等主流模型。在高难度的 RoboTwin 2.0 测试中，ACE-Ego 成功率达到 90.62%，远超行业平均水平。该模型目前能够稳定完成复杂的零售操作，如塑料袋打包和鞋子装入鞋盒等。
谷歌发布全新开源模型DiffusionGemma
谷歌于6月10日发布了实验性开源模型DiffusionGemma，采用文本扩散架构，在专用GPU上文本生成速度比传统自回归大语言模型快最多4倍。该模型以Apache 2.0许可证发布，主要面向研究者和开发者，但整体输出质量低于标准Gemma 4，仍建议在生产环境中使用后者。DiffusionGemma的速度优势主要体现在本地及低并发推理场景，然而在高并发云端部署中，其优势相对有限。
摩尔线程推出开源大模型MusaCoder，助力AI开发新篇章
摩尔线程近日发布并开源了MusaCoder，这是一款专门针对GPU底层算子生成的代码大模型。MusaCoder是业界首个基于国产GPU算力的开源代码大模型，完成了全链路的训练与验证。其训练过程在基于MTT S5000构建的夸娥智算集群上进行。