🌟🌟🌟 限时快闪 🌟🌟🌟
今日有「赛博精酿」酒局
AI 从业者限定
如果你能在今晚 7 点半前到这
跟老板说「赛博禅心」
我请你喝一杯
快闪地址（今晚限定）：
口袋啤酒屋 pocket
海淀区中关村街道中关村南三街18号
北京卫星制造厂科技园1幢2层201露台
本篇作者
Jomy@302.ai
南乔 River
🧭 时光机
11 月 1 日
Google ● Google Search 实时搜索功能上线
OpenAI ● ChatGPT Search 实时搜索功能上线
Anthropic ● Claude 推出桌面客户端
Suno ● Personas 功能上线
Runway ● Gen-3 Alpha Turbo 支持高级摄影机控制功能
FishAudio ● Fish Agent 开源
Decart AI X Etched ● Oasis 世界上首个实时生成的 AI 游戏
Omnivore 宣布加入 ElevenLabs
上海人工智能实验室 ● LLaMA-o1 开源
知乎直答 ● 专业搜索功能开放
智谱 ● Z 基金 （智谱生态基金） 近期完成首关
11 月 2 日
Anthropic ● Claude Visual PDFs 功能开放
11 月 3 日
15 岁开发者 ProgramZmh 开源项目被数百万收购
11 月 4 日
xAI ● API 正式公测 （有羊毛可薅🐏
Anthropic ● Claude 3.5 Haiku 模型上线
NVIDIA ● AI Blueprint 框架发布
11 月 5 日
腾讯混元 ● Hunyuan-Large 和 Hunyuan3D-1 开源
昆仑万维 ● 天工 AI 高级搜索功能正式上线
Jina AI ● simple-qwen 系列模型开源
11 月 6 日
Recraft ● Graphic Design Generator 海报生成功能上线
InstantX ● Regional-Prompting-FLUX 文生图区域内容精准控制技术开源
11 月 7 日
OpenAI ● 购入 chat.com 域名
Black Forest Labs ● FLUX1.1 [pro] 模型升级
Krea AI ● Lora 训练功能开启邀测
Microsoft ● Magentic-One 通用多智能体系统开源
字节跳动 X 清华大学 ● X-Portrait 2 人像动画技术发布
11 月 8 日
智谱 ● CogVideoX v1.5 视频模型开源
字节跳动 ● 即梦 AI S2.0 全新视频模型开放
11 月 9 日
Text Behind Image ● 图片编辑工具在 𝕏 爆火
OpenAI 研究副总裁 Lilian Weng 宣布离职
11 月 10 日
The Information ● 发文指出 Scaling Law 可能失效了
11 月 11 日
NVIDIA ● Edify 3D 生成模型
Google ● AlphaFold3 模型开源
字节跳动 ● SeedEdit 图像编辑模型上线
月之暗面 ● 创始人杨植麟陷入诉讼风波
11 月 12 日
BRIA AI ● RMBG-2.0 背景去除模型开源
阿里国际 ● Accio 全球首个 B2B AI 原生搜索引擎开放
百度世界 2024 大会 ● 发布小度 AI 眼镜，秒哒，自由画布等产品
秘塔 AI 搜索 ● 上线「专题」功能
智谱 ● 企业 Agent 平台智谱清流上线
会读 ReadFlow 将用户迁移至 知我 AI
11 月 13 日
Greg Brockman 结束休假重返 OpenAI
Google X University of Washington ● Fashion-VDM 虚拟试衣技术发布
DeepL ● DeepL Voice 语音翻译解决方案
StackBlitz ● bolt.new 上线 4 周成绩亮眼
Common Corpus ● 全球最大规模的多语言开放预训练数据集开源
阿里巴巴 ● 通义千问代码模型 Qwen2.5-Coder 全系列正式开源
生数科技 ● Vidu-1.5 视频生成模型发布
阿里巴巴 ● 通义千问将起诉前员工周畅违反竞业协议
11 月 14 日
OpenAI ● ChatGPT 桌面客户端 Windows 版发布
Google ● Gemini-Exp-1114 模型登上 Chatbot Arena 榜首
腾讯元宝 ● 2.0 版上新
科大讯飞 ● 星火多模态交互大模型正式上线
京东 X 浙江大学 ● JoyVASA 音频驱动生成面部视频项目开源
11 月 15 日
字节跳动 ● 即梦 AI P2.0 Pro 和 S2.0 Pro 全量开放
腾讯 ● ima.copilot 智能工作台 Windows 版本上线
阿里巴巴 ● 通义代码模式正式上线
11 月 16 日
Codeium ● Windsurf 发布
11 月 17 日
xAI ● 研究员 Hieu Pham 发帖称 Grok-3 模型证明了黎曼猜想 - it’s a joke。
月之暗面 ● 数学推理模型 k0-math 发布
11 月 18 日
Mistral AI ● Pixtral Large 多模态模型开源，在线聊天应用 Le Chat 更新
Rokid X 暴龙眼镜 ● Rokid Glasses 智能眼镜发布
11 月 19 日
Perplexity ● 推出 AI 购物功能
Fireworks AI ● f1 多模型协作模型发布
Ai2 X University of Washington X Meta ● OpenScholar 学术搜索模型上线
11 月 20 日
Suno ● Suno V4 模型发布，Remaster 和 ReMi 功能上线
DeepSeek ● 推理模型 DeepSeek-R1-Lite 预览版正式上线
昆仑万维 ● 天工 Skyo 实时语音对话助手发布
Menlo Ventures ● 2024 年企业 AI 使用情况调查报告发布
11 月 21 日
Black Forest Labs ● FLUX.1 Tools 系列工具开源
Ai2 ● Tülü 3 系列大模型开源
搜狗输入法 ● 基于腾讯混元大模型，进行了智慧升级
阿里巴巴 （蚂蚁-支付宝） ● EchoMimicV2 数字人技术项目开源
11 月 22 日
Amazon 宣布向 Anthropic 再投资 40 亿美元
阶跃星辰 ● Step-1V 拿下 Chatbot Arena 榜单国产第一，Step-2 拿下 LiveBench 榜单国产第一
11 月 23 日
Lightricks ● LTX-Video 实时视频生成模型开源
Runway ● Expand Video 功能发布
11 月 24 日
Cursor ● Agent 功能上新
11 月 25 日
Anthropic ● 发布开源 MCP 协议
AndrewNG （吴恩达） ● aisuite 大模型套件开源
阿里巴巴 ● Marco-o1 开放型问题推理模型开源
阿里巴巴-蚂蚁技术研究院 ● MagicQuill 交互式 AI 图像编辑工具开源
得到 ● Get 笔记移动端 App 正式上线发布
11 月 26 日
OpenAI ● 疑似 Sora 内测版本被泄露 （更像是自导自演）
NVIDIA ● Fugatto 音频模型
Runway ● Frames 图像生成模型发布
Luma ● Dream Machine 创作平台大升级
特朗普称将任命人工智能部长
11 月 27 日
ElevenLabs ● GenFM 功能上线
昆仑万维 ● 天工 Skywork o1 正式发布
11 月 28 日
ComfyUI ● 桌面客户端开源
阿里巴巴 ● 千问 QwQ 推理大模型开源
月之暗面 X 清华大学 ● Mooncake 推理系统设计方案开源
360 ● AI 搜索更名为纳米搜索
字节跳动 ● 扣子一站式 AI 应用开发功能内测
11 月 29 日
快手 ● 可灵 AI 试衣功能上线
智谱 Agent OpenDay
11 月 30 日
FishAudio ● fish audio v1.5 即将上线商业版并开源权重
11 月 1 日
Google Search 实时搜索功能上线 Gemini API 和 Google AI Studio
这一升级使 Gemini 模型能够获取最新的搜索数据，显著提升响应的时效性与准确度。
只是个大模型可调用的工具而已，并不是什么全新的搜索引擎。
https://developers.googleblog.com/en/gemini-api-and-ai-studio-now-offer-grounding-with-google-search
OpenAI
ChatGPT Search 实时搜索功能发布，预计数月内将向所有免费用户开放
该功能集成了必应搜索引擎，允许模型实时获取互联网信息，引用并提供信息来源链接，提供更准确的回答。
实测体验中规中矩，没有明显亮点和优势。但同一天发布，刚一下 Google 可能会很开心吧 （o|o）
有朋友试了试，信息时效性不强，猜测是自己的爬虫。
https://openai.com/index/introducing-chatgpt-search
Anthropic
Claude 推出桌面客户端
已经支持 Mac 和 Windows 操作系统。
此举被业内解读为 Anthropic 为后续深度整合操作系统功能铺路。
目前功能与网页版一致，预计月底就会与网页版产生差异化，具体可以查看 11 月 25 号的 MCP 功能。
http://claude.ai/download
Suno
Personas 新功能上线
能够捕捉并保存歌曲的关键元素，比如人声、旋律、情感、风格等等，并保存为独立的创意资产。
后续创作中，可以选中自己的模板，或者其他人公开的模板，快速延续或「复制」已有的音乐风格，并保持一致性。
V4 发布前的小甜点。
https://suno.com/blog/personas
Runway
Gen-3 Alpha Turbo 支持高级摄影机控制功能
在使用文本提示、图像或视频生成新视频时，能够精准控制视频中的镜头移动，实现水平移动、绕拍主体、位置探索、速度变化等效果。
可灵和 luma 都有镜头控制，但是做不到这么精细。
https://help.runwayml.com/hc/en-us/articles/34926468947347-Creating-with-Camera-Control-on-Gen-3-Alpha-Turbo
FishAudio
Fish Agent 端到端语音处理模型开源
集成了自动语音识别 （ASR） 和文本到语音 （TTS） 技术，无需传统的语义编码器/解码器，即可实现语音到语音的直接转换。
模型经过 700,000 小时的多语言音频内容训练，支持包括英语、中文在内的多种语言，能够精准捕捉和生成环境音频信息。
文本方面由 Qwen-2.5-3B 处理。
https://huggingface.co/fishaudio/fish-agent-v0.1-3b
https://github.com/fishaudio/fish-speech
Decart AI X Etched
Oasis 是世界上首个实时生成的 AI 游戏
游戏提供了多种地图供玩家选择，随后的 3 分钟，玩家在游戏中体验到的每一帧都来自扩散模型的实时预测。
游戏画面持续以 20 帧每秒的速度实时渲染，这意味着游戏世界是动态变化的，玩家的每一次操作都能立即影响下一帧的表现。
那这个游戏还能走回头路吗？
https://oasis.decart.ai
Omnivore X ElevenLabs
阅读产品 Omnivore 被 ElevenLabs 收购
Omnivore 是一款开源的「稍后阅读 （read-it-later）」应用，并提供 AI 朗读功能。ElevenLabs 也有同类型软件 ElevenReader。
此次收购之后，双方将共同开发 ElevenReader，增强技术储备和使用体验。
Omnivore 在公告中告知，将在 11 月 30 日关闭服务并删除用户数据。
https://elevenlabs.io/blog/omnivore-joins-elevenlabs
上海人工智能实验室
LLaMA-o1 项目开源
复刻了 OpenAI o1 推理大模型，使用了 Self-Play 强化学习、PPO 多项先进技术。
发布后引起了开源社区的关注。
拉开这个月国内类 o1 模型发布的序幕。
https://github.com/SimpleBerry/LLaMA-O1
知乎直答
专业搜索功能上线
提供 AI 搜索与正版论文库一站式服务。
实测评价：直答终于发挥了它本该有的功能。
https://zhida.zhihu.com
智谱
Z 基金 （智谱生态基金） 近期完成首关
Z 基金正式成立于 2024 年，主要覆盖大模型赛道，侧重早期，管理规模 15 亿元人民币。
https://www.zhipuai.cn/
11 月 2 日
Anthropic
Claude Visual PDFs 功能上线
可以识别上传 PDF 文件 （不超过 100 页） 中的图片和图表。
这个功能是 API 层面的，可以直接将 PDF 传给模型，大大简化了 PDF 使用 AI 分析的实现过程。
本质应该是是用了 Claude 的图像识别模型能力来分析 PDF，而不是简单的 OCR 后再把文本传给大模型。
https://docs.anthropic.com/en/docs/build-with-claude/pdf-support
11 月 3 日
ProgramZmh
15 岁独立开发者 ProgramZmh，开源项目 ChatNio 被数百万收购
从 0 开始到拿到七位数的第一桶金，他仅用了不到两年的时间。
虽然目前只是一名高中生，但是 Zmh 的项目经历已经非常丰富，而且精通全栈开发。
可以去看看小孩哥的即刻帖，青春又自信，非常美好～
https://web.okjike.com/originalPost/672733dadd10af52275889bc
https://zmh.me
11 月 4 日
xAI
xAI API 正式公测
目前只有一个 grok-beta 语言模型，支持 128k token 上下文，支持 Function Call，兼容 OpenAI 和 Anthropic SDK。
实测就一般。
🐏 2024 年年底之前，每月可以领取 25 美元的免费积分。
https://docs.x.ai/api
Anthropic
Claude 3.5 Haiku 模型上线
性能超越 Claude 之前所有模型，官方称其是「迄今为止最快、最智能、最具成本效益的模型」。
BUT! 输入和输出 token 价格都涨了 4 倍，这好像就有点不香了 😅
据观察，没啥人用。还是选择了 sonnet-3.5。
https://www.anthropic.com/claude/haiku
NVIDIA
AI Blueprint 框架发布
支持长视频分析，能够快速总结关键事件和重要时刻，可以帮助企业打造视觉 AI Agent 和 AI 应用。
这使得视频分析和长视频内容处理的效率，实现了革命性提升 📈
https://build.nvidia.com/nvidia/video-search-and-summarization
11 月 5 日
腾讯混元
Hunyuan-Large 开源
总参数量 389B，激活参数量 52B，上下文长度 256K，官方称在绝大多数指标上领先于 LLama3.1-405B 以及 DeepSeek 2.5。
Hunyuan3D-1 开源
支持文字和图像双模态生成 3D 内容，仅需 10 秒即可生成高质量 3D 资产 （轻量版）。
这是混元首次开源，精神可嘉。不过实测感觉确实一般 😏
https://github.com/Tencent/Tencent-Hunyuan-Large
https://github.com/tencent/Hunyuan3D-1
昆仑万维
天工 AI 高级搜索功能正式上线
新版本能更好地解答复杂问题，具有更完备的金融财经和学术数据库。
新上线的 PDF 文档阅读分析功能，RAG 和 搜索能力也都很强。
天工近期更新的产品功能，包括彩页和宝典，都非常不错 👍
https://www.tiangong.cn
Jina AI
3 个小型语言模型 simple-qwen-0.5、topic-qwen-0.5、summary-qwen-0.5 已经开源
解决 RAG 系统里文档分块的难题，找到长文档的最佳分割断点。
问了，目前没有商业化的打算 🙅♂️
用大模型来处理文档切片，提升不是非常多，但是在没有商业化 API 的情况下，还需要本地化部署，是否值得呢。
11 月 6 日
Recraft
Graphic Design Generator 功能上线
简单设置边框和文本布局，就能基于 AI 功能生成精美的海报。
这个功能没出圈，但是他们的 Hard-Flash 风格出圈了，可以生成具有复古胶片感的照片。
前段时间，在 AI 文生图竞技场大杀四方的神秘模型 Red_Panda，就是 Recaft 的新模型 Recaft v3。
这家 2022 年新成立的英国创业公司，来势汹汹。
https://www.recraft.ai
InstantX
Regional-Prompting-FLUX 技术开源
可以精确控制 FLUX 生成图片时每个区域的内容，而且支持和 Controlnet 和 Lora 一起使用。
兼容性强，操作简单直观，大幅提升了 AI 绘画的精确度。
https://github.com/instantX-research/Regional-Prompting-FLUX
11 月 7 日
OpenAI
购入 chat.com 域名，访问可指向 ChatGPT 主页
chat.com 注册于 1996 年，是互联网早期域名之一。2023 年，HubSpot 联合创始人兼 CTO Dharmesh Shah 以 1550 万美元将其买下。
坊间估计 Sam Altman 这次购买域名花费了 1500 - 2000 万美金 💵
域名生意做了几十年，经久不衰。
chat.com
Black Forest Labs
FLUX1.1 [pro] 模型升级，包含 Ultra 模式和 Raw 模式上线
Ultra 模式支持高达 4MP 的分辨率，是标准 FLUX1.1 [pro] 的 4 倍，而且生成时间仍然保持在每样本 10 秒。
Raw 模式能够捕捉到更自然、更少合成感的摄影风格，在人物主题的多样性和自然摄影的真实性方面有显著提升。
Ultra 可以一次生成 4M 的图片，这种感受是革命性的。
因为你会看到 AI 生成的照片有丰富的细节，不再是一个 1M 的糊糊的小图了。
https://blackforestlabs.ai/flux-1-1-ultra
Krea AI
Lora 训练功能开启邀测
用户在网站上传多张图片，即可训练出个性化的角色、风格、产品模型。操作简单。
估计是用的 Fal 的快速训练 lora API（不负责任的猜测）
https://krea-ai.com/krea-ai-introduces-lora-support
Microsoft
Magentic-One 通用多智能体系统开源
基于 AutoGen 框架构建，由主 Agent Orchestrator 和 4 个各司其职的子 Agent 组成。
这些 Agent 协同工作，就像一个高效的团队，共同完成复杂的任务。
https://aka.ms/magentic-one
字节跳动 X 清华大学
X-Portrait 2 人像动画技术发布
上传一张静态人像图 & 一段有表情变化的表演视频，就能一键将后者的表情迁移到前者的人像上面。
也就是，可以让一张人像完成各种给定视频里的面部动作，而且头部的运动、微小的表情、强烈的情绪等都能被更好地传达！
官方说比 Runway Act-One 要好👀
https://byteaigc.github.io/X-Portrait2
11 月 8 日
智谱
CogVideoX v1.5 视频模型开源
包含 CogVideoX v1.5-5B 和 CogVideoX v1.5-5B-I2V 两个版本。
CogVideoX v1.5 包含 5/10 秒、768P、16 帧的视频生成能力，I2V 模型支持任意尺寸比例，大幅提升图生视频质量及复杂语义理解。
也将同步上线到清影，并与新推出的 CogSound 音效模型结合。
智谱又又又发新模型，但是啥时候可以在官方 API 提供呢。
https://github.com/thudm/cogvideo
https://huggingface.co/THUDM/CogVideoX1.5-5B-SAT
字节跳动
即梦 AI S2.0 全新视频模型正式开放使用
在 即梦 AI 移动端 App 或官网都可以体验。
https://jimeng.jianying.com
11 月 9 日
Text Behind Image
在 𝕏 （Twitter） 爆火的一款图片编辑工具
可以在图片角色与背景之间巧妙添加文字，瞬间生成高大上的海报。
开发者年仅 16 岁，用 Cursor 和 V0 仅用了三个小时就搓出了这个工具 👀
https://text-behind-image.com
OpenAI X Lilian Weng
OpenAI 研究副总裁 （安全） Lilian Weng 发帖正式宣布离职
不过，她没有公布接下来的去向。
此前，她曾出现在 B 站「bilibili 超级科学晚」现场，进行了一场关于「人工智能安全」的主题演讲。当时，就有朋友猜测她将离职。
翁茘 （Lilian Weng） 和她的博客 Lil'Log 在 AI 圈非常知名。
2023 年她更是一篇长文直接把 Agent 带入公众视野 ↓↓↓
https://lilianweng.github.io/posts/2023-06-23-agent
https://www.bilibili.com/video/BV19dSHYUEAo
11 月 10 日
The Information
The Information 发文指出 Scaling Law 可能失效了，模型预训练「撞墙」了。
随后，Ilya Suskever、Sam Altman、Yann Lecun、Dario Amodei 纷纷发言表达自己支持或反对的观点。大概梳理下出场人物和各自观点：
开始，The Information 报道，OpenAI 的训练和模型进化速度变缓，导致 GPT-5 难产已成定局
然后，又有某个人在 𝕏 上说，似乎另一家在训练的时候遇到了一个未曾遇到的 Huge Wall
随后，Bloomberg 把范围扩大到 OpenAI、Anthropic、Google，发现大家都在推迟新模型发布
但是，AI 社区内大家信心还是很强， 特别是对推理的 Scaling Law
然后，Ilya Suskever 出来补刀：I told you so
果然，Yann Lecun 也抓紧来凑热闹：I told you so
还有，Anthropic CEO Dario Amodei 出来押注 Scaling Law 还继续存在
Sam Altman 则选择直接嘴硬：there is no wall
Scaling Law 本质是一个对未来的美好期望，不是一个 Law。
https://www.theinformation.com/articles/openai-shifts-strategy-as-rate-of-gpt-ai-improvements-slows
11 月 11 日
NVIDIA
Edify 3D 生成模型发布
可以在 2 分钟内生成高质量 3D 资产，带有有序 UV 贴图、4K 纹理和 PBR 材质。
https://build.nvidia.com/shutterstock/edify-3d
AlphaFold3 模型开源
来自生物医药、生命科学等各个领域的科学家们都可以免费下载模型代码，自行运行模型开展工作。
此举直接获得了 Nature 亲自撰文推荐。
对！就是今年拿了诺贝尔化学奖奖的那个模型～
https://github.com/google-deepmind/alphafold3
字节跳动
SeedEdit 图像编辑模型上线
支持自然语言编辑图像。即梦 AI 网页端和豆包网页端都可以使用。
与 Midjourney 上个月新增的纹理重绘和局部重绘功能相比，SeedEdit 胜在操作简便，艺术效果和细节刻画还是 Midjourney 更胜一筹。
据我观察，这个不是局部重绘，而是保持一致性的重新生成图片，一个人脸，多修改几次，就变成另外一个人脸了。
https://team.doubao.com/en/special/seededit
月之暗面
月之暗面创始人杨植麟、联合创始人兼 CTO 张宇韬，近日被循环智能时期投资人在香港提起仲裁，相关电子仲裁申请书也已递交 HKIAC （香港国际仲裁中心）。
11 月 12 日
BRIA AI
RMBG-2.0 背景去除模型开源
使用了 BiRefNet 架构，准确性和精度都有保障。
简单图例的实测效果很好，直追抠图界顶流 remove.bg
一些疑难的例子还是处理得不好，离人工抠图还是有一丁点距离。
https://huggingface.co/briaai/RMBG-2.0
https://blog.bria.ai/introducing-the-rmbg-v2.0-model-the-next-generation-in-background-removal-from-images
阿里巴巴 ● 阿里国际
Accio 全球首个 B2B AI 原生搜索引擎
通过 AI 重塑的采购能力，为海外的最终采购方提供 AI 采购顾问服务。
https://www.accio.com
百度世界 2024 大会
百度在大会上公布的关键技术和出圈工具，主要是以下几个。
检索增强的文生图技术 （iRAG）：解决大模型在图片生成上的幻觉问题。
小度 AI 眼镜：据称是全球首款搭载中文大模型的原生 AI 眼镜，具备第一视角拍摄、边走边问、识物百科、视听翻译、智能备忘等功能。
秒哒：无代码工具，不用写代码就能实现任意想法。
自由画布：在一块白板上，通过简单操作，即可实现输入、编辑、创作、分享等功能。
百度发布了 自由画布 之后，flowith 创始人在小红书发帖称，这款产品与 flowith 惊人相似。并且，百度曾经借举办海外 AI 创业大赛的名义，邀请提交 bp，沟通会议时问的也是技术实现细节。
目前，帖子已经无法访问。
不过，从产品交互上来说，百度画布与 Figma Jambot 的相似度也很高啊 👀
https://cloud.baidu.com/product/AMIS/miaoda.html
https://wenku.baidu.com/pcactivity/freeBoard
秘塔 AI 搜索
上线「专题」功能
资料上传知识库后即可定制数据源，进行针对性地互动。
RAG 能力和搜索能力都非常棒，产品使用体验流畅！
用户流程非常清晰，传文件+文件内搜索，有 glean 的感觉了。
https://metaso.cn
智谱
智谱清流上线
专为企业 AI 应用落地打造的 AI 智能体开发平台。
清流提供 Agents、Workflow、知识管理、批量效果调优等能力，支持 API、SDK、URL 三种集成方式。
https://bigmodel.cn/agent
会读 ReadFlow X 知我 AI
会读 ReadFlow 是一款 AI 阅读工具，核心功能是通过微信对话发送文章链接，直接生成摘要。后续又增加了小报、归档、标签等新功能。
创始人发文宣布，将会读用户迁移至同类型产品知我 AI。
知我 AI 随后发文，表示会坚定地接好这一棒。
非常体面的收场。
https://knowme.xiaoduoai.com
11 月 13 日
OpenAI
Greg Brockman 宣布结束假期，以总裁身份重返 OpenAI
他今年 8 月曾发推表示要休假到 2024 年底。本来以为是休假后离职的常规套路，意料之外情理之中的，他选择了回归 OpenAI。
Google X University of Washington
Fashion-VDM 技术发布
可以通过视频扩散模型 （VDM） 创建逼真的虚拟试衣视频。
只需要提供一件衣服图片和一段人物视频，就能生成一段这个人穿着这件衣服的视频，而且效果超级逼真！
https://johannakarras.github.io/Fashion-VDM
DeepL
DeepL Voice 语音翻译解决方案
适用于多语言线上会议与面对面对话的实时翻译，目前支持 33 种语言。首批发布了两款产品：
Voice for Meetings 能让线上会议时各方使用母语发言，其他人可以收到实时翻译的字幕。
Voice for Conversations 能在面对面交流时，在移动设备上呈现实时字幕翻译。
https://www.deepl.com/en/blog/deepl-voice
StackBlitz X Anthropic
AI 编程工具 bolt.new 上线 4 周取得了非常耀眼的成绩
ARR 收入从零到 400 万美元，每周使用人数超过 10 万，Claude 调用量每天翻倍增长。
被 Anthropic 官方选为优秀案例进行展示。
这个产品基于他们自己开发的 https://webcontainers.io，也算是厚积薄发了。
https://www.anthropic.com/customers/stackblitz
Common Corpus
全球最大规模的多语言开放预训练数据集开源
包含 2,003,039,184,047 个 tokens，全部来自合法许可的公开内容。
数据集涵盖科学、法律、新闻、文化、代码等多个领域，这种多样性和深度无疑为研究者提供了丰富的资源。
https://huggingface.co/datasets/PleIAs/common_corpus
https://huggingface.co/blog/Pclanglais/two-trillion-tokens-open
阿里巴巴 ● 通义
通义千问代码模型全系列正式开源
共 6 款 Qwen2.5-Coder 模型，其中 Qwen2.5-Coder-32B-Instruct 代码能力追平 GPT-4o。
月底回头看，用的人不多。说明还是不够好吗 👀
https://github.com/QwenLM/Qwen2.5-Coder
https://huggingface.co/collections/Qwen/qwen25-coder-66eaa22e6f99801bf65b0c2f
生数科技
Vidu-1.5 发布
这是全球首个支持多主体一致性的多模态大模型，支持人物、物体和环境等主体的一致性。
Vidu 从最早主打快速生成视频，到今天的主体一致性，终于业界领先了。
https://www.vidu.studio
阿里巴巴 X 字节跳动
阿里巴巴通义千问已递交劳动争议仲裁申请书，将起诉前员工周畅违反竞业协议
周畅是阿里通义千问大模型的技术负责人，2024 年 7 月被爆离职创业，方向或为 AI 应用。期间有诸多投资机构接触计划投资，但最后选择加入字节跳动，或负责 AI 硬件。（雷锋网）
11 月 14 日
OpenAI
ChatGPT 桌面客户端 Windows 版面向所有用户开放
快捷键调用 ChatGPT，Mac 版是 Option + Space，Windows 版是 Alt + Space。
https://openai.com/chatgpt/download
Gemini-Exp-1114 模型登上 Chatbot Arena 榜首
好景不长，ChatGPT-4o-lastest （2024-11-20） 重回巅峰。
一天之后，Gemini-Exp-1121 杀出来，又抢走了第一名。
基本是你追我赶的态势。
实测一般。
腾讯 ● 元宝
腾讯元宝 2.0 版本上新
除了模型和交互更新外，最亮眼的有两点：
一是整合了公众号/视频号/QQ 音乐等信息资源；
二是打通了元宝-文档-电脑管家-输入法之间的协作工作流。
腾讯元宝 App 同步上线各大应用搜索商店。
https://yuanbao.tencent.com/chat
科大讯飞
星火多模态交互大模型正式上线
新增多模态、超拟人、个性化能力，实现「语音-视觉-数字人交互」三合一。
追上了智谱「视频通话」功能。
而且，通话中的数字人功能很新颖，这点值得表扬 👍
https://xinghuo.xfyun.cn
京东 X 浙江大学
JoyVASA 音频驱动生成面部视频项目开源
可以通过单张图片和音频片段，生成人类或动物面部的对嘴同步视频。
而且效果能做到面部表情和头部动态自然。
https://jdh-algo.github.io/JoyVASA
11 月 15 日
字节跳动 ● 即梦 AI
P2.0 Pro 和 S2.0 Pro 全量开放使用
P2.0 Pro 具有极高提示词遵循能力，对复杂的提示词仍然可以保持严格的遵循。
S2.0 Pro 具有首帧一致性，可以保持与用户输入图的一致性、色彩等细节还原。
https://jimeng.jianying.com
腾讯
ima.copilot 智能工作台 Windows 版本上线
与 Mac 版本胜利会师 ✌
目前核心功能时文档解读和智能写作，而且两个功能之间已经打通，可以形成有效的工作流。
用来阅读和搜索公众号文章也非常不错，体验很流畅。
经过测试，ima.copilot 的搜索和 RAG 能力都还有待加强 （跟秘塔相比）。
最大的优势是守着公众号这座金山⛰ 期待后续更新～
https://ima.qq.com
阿里巴巴 ● 通义
通义代码模式正式上线
可以通过独立窗口预览前端实现效果，而且内置了很多示例。
具体的实现效果，基本与 DeepSeek 持平，距离 Claude Artifacts 还有差距。
以下是可以体验 Artifacts 功能的网站/开源项目清单。🔮表示需要魔法。
Claude: https://claude.ai 🔮
302：https://302.ai （注意！已经实现所有模型都能使用 Artifacts）
Monica: https://monica.im 🔮
V0: https://v0.dev 🔮
Le Chat: https://chat.mistral.ai/chat
DeepSeek: https://chat.deepseek.com
通义代码模式：https://tongyi.aliyun.com
Fragments by E2B，界面和体验无限接近于 Claude，开源：https://fragments.e2b.dev 🔮
Llama Coder，通过提示词创建应用并快速发布：https://llamacoder.together.ai 🔮
Screenshot to Code，将截屏/设计转换为 HTML / Tailwind / React / Vue 代码，开源：https://screenshottocode.com 🔮
StreamlineAI，将 Artifacts 功能拓展到任意 LLM：https://streamlineai.awesomeprompt.net
简化浏览器插件，将 Artifacts 功能拓展到任意 网页：https://jianhua.art
Claude Artifacts Showcase，Artifacts 玩法收集 （支持提交自己的项目）：https://claudeartifacts.com
WebVideoCreator，将 Artifacts 生成的网页动画渲染为视频，开源：https://github.com/Vinlic/WebVideoCreator
https://tongyi.aliyun.com/qianwen
11 月 16 日
Codeium ● Windsurf
Windsurf AI 编程 IDE 发布
提出了 Agent IDE 这种新的开发范式，即根据项目需求自动设计不同职能的 Agent，尽力释放人类的机械工作。
Windsurf Cascade 功能对应 Cursor Composer，并在体验上有很大提升，包括深入理解现有代码库，上下文检索、对编辑器内操作的实时感知等。
采访公司的几个程序员，反馈不如 Cursor，主要是 tab 自动补全有差距，仅代表个人意见 (by Jomy)
本月各种编程工具陆续推出，让人应接不暇，而且在开发者群体中的口碑都很不错。
AI Coding 终于摆脱了造神叙事，真正进入到了落地爆发阶段。想系统了解 AI 辅助编程工具和使用方式，推荐 @idoubi 这篇长文 ↓↓↓
关于 AI Coding 赛道的分析，有篇文章「Code Smarter， Not Harder」写得非常好，划分了 L1 - L5 发展阶段 （当前处于 L2），并且分析了当前遇到的挑战，给出了可能的应对方案 ↓↓↓
https://codeium.com/windsurf
11 月 17 日
xAI ● Grok-3 证明了黎曼猜想？
研究员 Hieu Pham 在 𝕏 （Twitter） 发帖称，正在训练中的 Grok-3 模型证明了黎曼猜想 （Riemann's hypothesis），如果验证属实将停止模型训练，以此保证人类安全。
现在访问这条帖子，你可以看到：Hieu clarified it’s a joke。
😐😐😐
https://x.com/hyhieu226/status/1858028679747829769
月之暗面
数学推理模型 k0-math 发布
数学能力对标 OpenAI o1-mini 和 o1-preview。Kimi 网页端即可体验，实测效果还可以。
发布之后，最出圈的竟然媒体文章的标题，「杨植麟回应一切」「并没有回应一切」「回应不了一切」🤣
https://kimi.moonshot.cn
11 月 18 日
Mistral AI
Pixtral Large 多模态模型开源
参数 124B，支持 128K 上下文，能理解文本、图表、图像等。
在线聊天应用 Le Chat 更新
增加了网页搜索、Canvas、图像生成、图像理解、PDF 理解、AI Agent 等功能。
实测多模态模型还不错，Le Chat 很好用！
但是新的 large-2 就拉垮了。
https://chat.mistral.ai/chat
https://mistral.ai/news/pixtral-large
Rokid X 暴龙眼镜
Rokid Glasses 智能眼镜发布
可以打电话、听音乐、拍照。集成的通义千问大模型，还支持 AI 问答搜索、识物、拍照答题、多语种翻译等功能。
售价 2499 元，将于 2025 年的三四月份正式发售。
自从 Meta 和雷朋合作的 AI 眼镜 Ray-Ban 卖爆之后，各厂都开始发布和准备发布自家的 AI 智能眼镜。
本月看到相关消息的就有百度、阿里、小米、影目、三星、亚马逊、大朋、苹果、致敬未知、KTC…
继「百模大战」之后，「百镜大战」又将拉开序幕？
11 月 19 日
Perplexity
推出 AI 购物功能，面向 Pro 订阅者开放
一键完成从搜索到购买的全链路，无需离开 AI 搜索引擎页面就可以下单购买产品。
进军电商业务，就能撑起 pplx 的估值么👀
https://www.perplexity.ai
Fireworks AI
f1 模型发布，让多个开源模型协作
可以通过协作模式解决更复杂问题，比如数学推导、编程、逻辑等任务。
https://fireworks.ai/blog/fireworks-compound-ai-system-f1
Ai2 X University of Washington X Meta
OpenScholar 学术搜索模型上线
通过 RAG 技术外接一个 4500 万篇论文的数据库，帮助科研人员高效完成文献搜索和文献综述。
数据、代码、模型权重已经全部开源。
Ai2 （艾伦人工智能研究所，Allen Institute for AI） 这个月很猛啊！
连续发布开源模型，而且是全方位彻底的开源，初心仍在。
大模型开源，比如 LLaMa，大多数情况下只开源权重。这也是前段时间 Meta 被国际开源组织批评滥用「开源」这个词的原因。
其实，对于开源来说，数据、代码、评估标准等都更加重要。@赛博禅心 有一篇科普文，可以帮助你了解各个部分的意义↓↓↓
https://openscholar.allen.ai
https://allenai.org/blog/openscholar
11 月 20 日
Suno
Suno V4 模型发布，生成音乐质量有了巨大进步
模型效果已经非常惊艳，几乎达到了取代真人创作的水平。
还有一个亮点功能是 Remaster，用户可以升级重制原有 AI 音乐，优化音质和唱词。
另一个亮点功能是 ReMi，用户可以通过 ReMi 协助歌词创作，生成更有创意并且更符合音乐性的歌词内容。
根据使用反馈，遥遥领先 Udio
https://suno.com
DeepSeek
推理模型 DeepSeek-R1-Lite 预览版正式上线
在数学、代码以及各种复杂逻辑推理任务上，取得了媲美 o1-preview 的推理效果，还可以展现了 。已经上线官网，点击「深度思考」按钮即可使用。
实测有点过度思考。
https://chat.deepseek.com
昆仑万维
天工 Skyo 实时语音对话助手发布，预计将于 12 月份上线天工 App。
Menlo Ventures
2024 年企业 AI 使用情况调查报告发布
Menlo 调研了 600 名企业的 IT 负责人，从企业内部的模型选择、使用场景、考虑因素、部门发展、发展预测等角度进行了数据分析。
可以看 @橘子汽水铺 这篇中文解读
简而言之，Anthropic 很猛，RAG 很猛，AI Coding 很猛；AI 人才短缺。
https://menlovc.com/2024-the-state-of-generative-ai-in-the-enterprise
11 月 21 日
Black Forest Labs
FLUX.1 Tools 系列工具开源，ComfyUI 已经支持
FLUX.1 Fill：局部重绘和扩图模型，官方称其为迄今为止最先进的修复模型
FLUX.1 Depth & Canny：官方 ControlNet 模型，进行结构调节
FLUX.1 Redux：通过提示转换图像风格，进行图像变化和重新设计
这是自 Flux.1 [dev] 模型开源后的又一个开源项目，当得起一声赛博菩萨～
SD 的生态都快被偷完了。
https://blackforestlabs.ai/flux-1-tools
Ai2
Tülü 3 系列大模型开源，目前包含 8B 和 70B 两个版本
未来计划推出 405B 版本。
模型在性能上超越了 Llama 3.1 Instruct 版本，而且是完全开源，提供了详细的后训练技术报告、公开数据、评估代码和训练算法。
https://allenai.org/blog/tulu-3
搜狗输入法 x 腾讯混元
搜狗输入法基于腾讯混元大模型，进行了智慧升级
边输边查功能，输入框即搜索框，点击放大镜即可秒出答案。
等号划词功能，可以查看天气、股价、假期等实时信息。
交互革命的风，终于吹向了国内的输入法产品 🌀
@腾讯科技 有篇主题分析长文，可以看看 ↓↓↓
https://shurufa.sogou.com
阿里巴巴 （蚂蚁-支付宝）
EchoMimicV2 数字人技术项目开源
利用参考图像、音频片段和一系列手部姿势来生成高质量的动画视频
也就说，仅需输入一张参考图像、一段音频及一段手势序列，就可以生成高质量的人物动画视频了！同时还能确保半身数字人与音频内容之间的协调。
官方 Demo 看起来效果非常好，感觉直接逼近 HenGen
https://github.com/antgroup/echomimic_v2
11 月 22 日
Amazon x Anthropic
Amazon 宣布向 Anthropic 再投资 40 亿美元
这笔投资以可转换债券的形式分阶段进行，首笔付款为 13 亿美元。
这是 Amazon 近 30 年最大的一笔对外投资，也是两年来对 Anthropic 的第三次投资，前两次分别为 2023 年 9 月的 12.5 亿美元、2024 年 3 月的 27.5 亿美元。
https://www.aboutamazon.com/news/aws/amazon-invests-additional-4-billion-anthropic-ai
阶跃星辰
阶跃星辰多模态理解大模型 Step-1V
登上 Chatbot Arena Vison 榜单，位列视觉领域中国大模型第一名 （总榜单第十三名）。
阶跃星辰自研的万亿参数语言大模型 Step-2
登上 LiveBench 榜单，是唯一进入榜单前十名的中国语言大模型，位列全球第五。
https://www.stepfun.com
11 月 23 日
Lightricks
LTX-Video 实时视频生成模型开源
以 768x512 分辨率生成 24 FPS 视频，生成速度比观看速度要快，是唯一一个能够实时生成高质量视频的基于 2B 参数 DiT 的视频生成模型 （H100）。
LTX-Video 开源了代码库和模型权重。
实测效果不太行，但是胜在成本很低。
https://github.com/Lightricks/LTX-Video
Runway
Expand Video 功能发布，可以改变视频画幅比例
传统裁剪方式往往会丢失重要细节。而 Expand Video 不是剪掉细节，而是在视频外围边缘扩展内容，确保信息不丢失。
Expand Video 在大多数情况下无需提示词，但添加文本提示词的控制效果和细节呈现会更好。
https://help.runwayml.com/hc/en-us/articles/34926355398675-Creating-with-Expand-Video-on-Gen-3-Alpha-Turbo
11 月 24 日
Cursor
0.43 新版本推出了 Composer 界面、Agent 功能和 Bug 查找器等功能。
此次更新，使得 Cursor 更加直观易用，并极大简化了开发流程。
https://changelog.cursor.com
11 月 25 日
Anthropic
发布开源 MCP 协议，是 Anthropic 版本的 Function Calling，只能用在客户端，需要开发能力。
MCP 的亮点是定义了一套标准且相对完善的协议，对于大模型和应用的生态协同有很大的指导意义。本质上是对 LLM 和 API 调用层进行的优化。
Chat API 的格式，大家基本都跟着 OpenAI 走了。Claude 这把想让 Agent API 的格式，跟着他们走。
https://www.anthropic.com/news/model-context-protocol
https://m.okjike.com/originalPosts/67469876ba0429bf87824471
AndrewNG （吴恩达）
aisuite 大模型套件开源，把 11 家 知名大模型平台集中到了一起，统一了接口，可以用相同的方式调用不同模型。
切换模型时，只需要改动一个字符串，不用在不同的 API 之间摸不着头脑了。
https://github.com/andrewyng/aisuite
阿里巴巴
Marco-o1 开放型问题推理模型开源，模型通过思维链 （CoT） 微调、蒙特卡罗树搜索 （MCTS）、反思机制和创新的推理策略提供支持。
模型目标是解决这个问题：o1 模型能否有效地推广到缺乏明确标准且奖励难以量化的更广泛领域？
https://github.com/AIDC-AI/Marco-o1
Hugging Face: https://huggingface.co/AIDC-AI/Marco-o1
阿里巴巴 ● 蚂蚁技术研究院
MagicQuill 交互式 AI 图像编辑工具开源，用画笔涂抹加一句提示词，就能快速完成图像编辑，
轻量便捷版 PS ❤ 疯狂收割 GitHub Star
https://github.com/magic-quill/magicquill
https://magicquill.art/demo
得到
Get 笔记移动端 App 正式上线发布
这款 AI 笔记应用目前已经包含了网页端、移动端和小程序三种产品形态。
https://www.biji.com
最近各种知识管理应用层出不穷，@samu 整理了一份分类清单，可以按需取用并关注这类产品后续的 AI 演进思路。
RSS 订阅类产品
Feedly: feedly.com
InoReader: innoreader.com
Follow: follow.is
TidyRead: tidyread.ai
传统搜索
Google: google.com
百度：baidu.com
axiv: arxiv.org
天工：tiangong.cn
秘塔：metaso.cn
ThinkAny: thinkany.so
Devv: devv.ai (daiwu.cn)
思维导图/思考白板
XMind: xmind.net
AIFlow:
FunBlocks: app.funblocks.net
文档创作
Evernote: evernote.com
Notion: notion.so
飞书：feishu.cn
语雀：yuque.com
Flomo: flomoapp.com
知识卡片
fastposter: fastposter.net
吉光卡片 （Kiko Card）
流光卡片：fireflycard.shushiai.com
molypix: molypix.ai
11 月 26 日
OpenAI Sora
疑似 Sora 内测版本被泄露
来源是参与早期测试的部分艺术家，他们作为 Red Team 和创意合作伙伴参加测试，却发现被 OpenAI 当成了价值证明的工具。
不过！也有技术大佬从 HF 上的端口信息判断，这是 OpenAI 自导自演的一场营销事件。
经历过「草莓」的我们，应该都懂 🤣
https://huggingface.co/spaces/PR-Puppets/PR-Puppet-Sora
NVIDIA
Fugatto 音频模型
输入可以是文本和音频，输出可以生成/转换为「音乐+人声+声音」的组合。
也就是说，用户只用文本就可以控制输出的音频。非常灵活且酷炫！
思路非常之牛逼。
https://blogs.nvidia.com/blog/fugatto-gen-ai-sound-model
Runway
Frames 图像生成模型发布
显著提升了风格控制能力和视觉逼真度，生成作品能非常好地保持风格一致性。
目前，正逐步在 Gen-3 Alpha 中开放 Frames 的访问权限。
https://runwayml.com/research/introducing-frames
Luma
Dream Machine 创作平台大升级
使用自然语言进行全流程创作，并把图像生成和视频生成完美融合到了同一个平台里，而且也是画布流形式的操作界面。
所基于的 Luma Photon 生成模型，也被称为当今最富创造力、最智能、最快速图像 AI 模型。
https://lumalabs.ai/dream-machine
特朗普称将任命人工智能部长
特朗普对外宣布，计划任命一位专门负责人工智能事务的「人工智能部长」，以加强美国在全球 AI 竞赛中的领导地位。
该部门将整合 AI 政策、国家安全和产业发展三方面的工作。
部长人选并未确定。据报道埃隆·马斯克不会担任该职位，但预计他将密切参与相关工作。详细报道 @创头条
特朗普的胜选，对于 AI 乃至科技圈的发展，影响是非常大的。
技术与主权、政治、宗教、经济缠绕在一起，共同决定着未来科技发展的走向。非常复杂。
你可以通过这篇文章，基本了解美国内部精英人士的解读和判断 ↓↓↓
11 月 27 日
ElevenLabs
GenFM 功能上线 ElevenLabs Reader iOS 应用程序
用户上传视频、文本、文档后可以生成一个多语音播客，目前支持 32 种语言。
对标 Google NotebookLM。
最近，国内外出现了很多 AI PodCast 产品。推荐几款比较有特色的，大家可以感受下开发者们的脑洞 ↓↓↓
Google NotebookLM: https://notebooklm.google.com
Google Illuminate，AI 读书产品：https://illuminate.google.com
Meta NotebookLlama，开源版本效果一般：https://github.com/meta-llama/llama-recipes/tree/main/recipes/quickstart/NotebookLlama
PodLM，@idoubi 作品 → https://podlm.ai
302 AI 播客生成器，大大大杂糅，各种常见的 AI 生成功能都有了，而且开源了：https://302.ai/tools/podcast
可听，小程序里体验会让震撼加倍，AI 播客的个性化创作距离我们如此之近：http://keting.tech
MemenomeLM，Micrecraft 游戏视频生成 + NotebookLM +语音克隆，思路和 DAU 都非常狂野：https://www.memenome.gg
https://elevenlabs.io/genfm
昆仑万维 ● 天工
Skywork o1 （天工大模型 4.0 o1 版） 正式发布
是国内第一款中文逻辑推理能力的 o1 模型。
其中，Skywork o1 Open 是开源版本，Skywork o1 Lite 和 Skywork o1 Preview 分别对标 OpenAI o1-mini 和 o1-preview 版本。
可在 天工 AI 网页端使用，目前处于内部邀测阶段。
又又是一家国产 o1
https://www.tiangong.cn
11 月 28 日
ComfyUI
桌面客户端开源，适用于 Windows （NVIDIA 显卡） 和 macOS （M 系列芯片）
目前仍处于测试阶段，一起发布的还有一份新手用户操作指南，记得查看 ↓↓↓
https://comfyorg.notion.site
https://www.comfy.org/download
阿里巴巴 ● 千问
QwQ 推理大模型开源
QwQ-32 B-Preview 是实验性研究模型，专注于增强 AI 推理能力，在数学和编程方面表现出色。
官方也说明，在某些领域还有改进空间，期待后续更新。
QwQ （Qwen with Questions） 发音 /kwju:/，类似于单词 quill。
https://qwenlm.github.io/zh/blog/qwq-32b-preview
月之暗面 X 清华大学
Mooncake 推理系统设计方案开源
月之暗面和清华大学 MADSys 实验室联合 9#AISoft、阿里云、华为存储、面壁智能、趋境科技等产学研力量，共建以 KVCache 为中心的大模型推理架构。
https://github.com/kvcache-ai/Mooncake
360
360 AI 搜索 更名为 纳米搜索
官方称其优势是 360 自带的桌面/浏览器/搜索入口，还有周鸿祎自己的 IP 加持。
https://n.cn
字节跳动 ● 扣子
支持一站式 AI 应用开发
扣子平台现已支持 AI 应用开发，轻松构建具备完整业务逻辑和直观用户界面的 AI 应用。AI 应用可以发布为 API 服务、模板，或上架至扣子商店。
其中，应用的业务逻辑由编排好的工作流实现，同时可通过变量、插件、知识库、数据库等方式灵活地与本地或线上数据进行交互。
此外，扣子提供了丰富的页面组件和可视化的编排能力，让你无需写一行代码就可以快速搭建出用户界面。
AI只靠 LUI 是不够的，还是要靠 GUI，个人意见 (by Jomy)
https://www.coze.cn/docs/guides/release_note
11 月 29 日
智谱 Agent OpenDay
最出圈的功能就是 GLM-PC，可以像人一样操作电脑
基于视觉多模态模型实现通用 Agent 技术探索。
在 OpenDay 现场，AutoGLM 给在场数百位嘉宾发送了「AI 给人类发的第一个红包」，并且手机远程指挥电脑自动发送文件。
快手可灵
AI 试衣功能上线
可灵 AI 平台上线 AI 试衣功能，支持用户上传任意一张服装图、一张模特图，一键生成自然贴合的模特试穿效果。
官方API很早就有了，产品走在了API的后面，少见。
https://klingai.kuaishou.com
11 月 30 日
FishAudio
fish audio v1.5 即将上线商业版，同步权重开源
新增支持五个语言 （葡萄牙语、意大利语、荷兰语、波兰语、俄语），并大幅度提高日文性能表现。
https://huggingface.co/spaces/TTS-AGI/TTS-Arena
2022 年 11 月 30 日，ChatGPT 正式发布
两年过去了
世界发生了翻天覆地的变化
但更大的变化还在蕴育之中