FnScribe 是一款面向 macOS 的私有化语音听写工具，核心特点是语音转写在本地完成，不需要将录音上传至云端，从而降低敏感语音数据外泄风险。用户可以通过快捷键在任意活跃应用中启动听写，并支持免提操作，适合写作...

Halo Neuro正式发布Sopro V2语音克隆文本转语音模型家族，并开源其中的轻量级多语言模型Sopro V2 Turbo。该模型仅120M参数，具备语音克隆能力，支持多语言合成，并原生支持欧洲葡萄牙语，能够在笔记本CPU和浏览器环...

Meta推出的Muse Image图像生成模型，其核心特点在于能够基于搜索结果进行图像生成，并在最终渲染前执行推理过程。这意味着模型不再仅依赖训练数据中的视觉模式，而是可以结合外部信息来约束生成结果，有望提升图像的...

谷歌正式推出Gemini 3.5 Transcribe，这是面向智能语音交互场景的新一代语音转文本模型。它能够将原始音频直接转换为准确、经过润色并完成格式化的文本，减少用户在后期整理和编辑上的工作量。该模型现已在Gemini AP...

Meta 旗下的 Muse Video 视频生成模型已进入封闭测试阶段。根据曝光的早期生成样片，该模型在 10 秒级视频中展现出较高的细节还原能力、对场景的理解能力以及时间一致性，并且原生支持音频生成。这意味着 Muse Video...

MiniMax正式推出开源模型H3，首次在单一模型中打破了任务与模态的边界，实现了文本、图像、视频和音频的统一理解与生成。H3不再是简单的多模态拼接，而是在统一上下文中进行深层语义融合，尤其在视频生成领域带来了...

NVIDIA研究团队最新发布了并行解码蒸馏（Parallel Decoding Distillation）技术，该方法通过在一次模型评估中同时预测多个去噪步骤，显著减少了扩散模型在图像和视频生成时所需的迭代次数。不同于传统需要数十甚至上...

GitHub上新晋开源项目Instatic正在引发Dev社区关注。作为一个自托管的可视化内容管理系统，它将可视化编辑器、内容引擎与发布工具全部封装进单一服务端，用户只需极少配置即可快速搭建并发布站点。Instatic定位为 We...