AI资讯谷歌逐步开放Gemini网页版，香港用户迎来图像与音乐生成全功能体验
谷歌Gemini AI助手网页版正式向香港用户开放，支持文本、图像、语音及数据多模态处理，打破此前访问限制。
#多模态技术
按标签聚合查看文章内容。
AI资讯
AI资讯创始人与前沿部署工程师：AI领域的新聚焦
本文回顾了近期AI领域的重要动态，特别是Anthropic的最新进展，以及AIE推出的前沿部署工程师和创始人项目，涵盖模型更新、工具链优化和多模态技术等热点。
AI资讯日本インプレス发布全面解析AI模型内部结构与实战技术新书
日本インプレス推出涵盖Transformer模型内部结构及多模态、RAG、SLM实现与优化的专业书籍。
AI资讯Seedance 2.0全球发布，登顶人工智能视频生成排行榜
字节跳动推出了支持多模态输入的AI视频生成模型Seedance 2.0，能够生成高保真1080p视频，实现音视频同步，提升运动稳定性和物理真实感，在独立盲测中表现优异。
AI资讯谷歌发布音乐生成AI模型“Lyria 3 Pro” 可生成最长3分钟音乐 并集成至“Gemini”应用及“Google Vids”
美国谷歌公司于3月25日（当地时间）宣布推出全新音乐生成模型“Lyria 3 Pro”。该模型是在上个月发布的音乐生成模型“Lyria 3”的基础上开发的高级版本，支持生成最长约3分钟的完整音乐作品，并具备更强的定制和创意控制能力。用户可以通过提示词指定音乐的特定部分，如前奏、主歌、副歌和桥段等。 “Lyria 3”提供两种不同版本以满足不同需求： Lyria 3 Pro（lyria-3-pro
AI资讯SB C&S开始代理Sparticle的本地部署生成式AI平台“GBase on Spark”
日本SB C&S株式会社于10日宣布，正式开始代理Sparticle株式会社的本地部署型大型语言模型（LLM）平台“GBase on Spark”，该平台能够在不将机密数据发送到外部的情况下，安全地利用生成式AI。 “GBase on Spark”是一套结合了本地部署生成式AI解决方案“GBase On-premises”与包括NVIDIA AI基础设施“NVIDIA DGX Spark”
AI资讯开源界再迎重磅！Mistral Small4正式发布：三合一模型更强更高效？
Mistral AI发布了全新开源模型Mistral Small4，集成三大旗舰能力，加入NVIDIA Nemotron联盟，提升效率与性能。
AI资讯实现如同与真人对话般体验的对话型AI头像“Omakase AI头像”
ZEALS推出的“Omakase AI头像”通过多模态AI技术，打造自然流畅的实时对话体验，广泛应用于招聘、客服、教育等多个业务场景。
AI资讯迈入全球前三：微软发布最强文本生成图像模型MAI-Image-2
微软首席AI官Mustafa Suleyman发布了第二代图像生成模型MAI-Image-2，该模型在权威的LMArena排名中位列全球第三，仅次于谷歌和OpenAI，较前代产品在图像质量上有显著提升。
AI资讯MiniMax推出全球首个全模态订阅计划，支持M2.7及视频语音模型
MiniMax（西域科技）宣布将原有的编程计划升级为全新的Token计划，打造全球首个支持全模态模型的订阅服务，覆盖编程、视频、语音、音乐及图像生成等多种专业应用场景。
AI资讯通义发布首个电影级语音合成大模型：AI终于学会带情感说话
阿里巴巴通义实验室推出Fun-CineForge，这是首个开源的多模态电影级专业配音AI模型，提升了情感表达、环境音融合和唇动同步，推动影视行业自动化进程。
AI资讯谷歌I/O 2026发布AI新路线图，致力于让AI更实用
谷歌在2026年I/O大会上推出了全新AI发展规划，发布了最新AI模型及多项创新应用，推动AI技术更好服务大众。