近日，阿里語音AI團隊宣佈開源全球首個支持鏈式推理的音頻生成模型ThinkSound，該模型通過引入思維鏈（Chain-of-Thought）技術，突破傳統視頻轉音頻技術對畫面動態捕捉的侷限，實現

在AI视频生成领域，一项革命性突破悄然来袭。快手旗下可灵AI（KlingAI）近日重磅发布数字人模型Avatar2.0，只需输入一张人物照片、一段音乐音频，即可一键生成长达5分钟的唱歌视频。数字人

字节跳动刚刚发布了其最新的多模态大语言模型 Vidi2，一个拥有120亿参数、专用于视频理解的AI模型。该模型能够处理数小时长的原始素材，理解其中的故事脉络，并根据简单提示生成完整的TikTok短