物理 AI 的早期答案，可能先出现在工厂里
物理 AI 的早期答案，可能先出现在工厂里ElevenLabs的声音克隆和长文本音频生成质量确实很好，但也太贵了。
来自主题: AI资讯
6217 点击 2026-05-29 10:10
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
ElevenLabs的声音克隆和长文本音频生成质量确实很好，但也太贵了。
ElevenLabs的声音克隆和长文本音频生成质量确实很好，但也太贵了。
自扩散模型提出以来，它不仅在图像、视频和音频生成方面取得了优异效果，也正逐渐成为解决图像复原、超分辨率、去模糊等逆问题的重要工具。
港科大团队提出音频生成统一模型AudioX，只需一个模型，就能从文本、视频、图像等任意模态生成高质量音效和音乐，在多项基准上超越专家模型。团队同时开源了700万样本的细粒度标注数据集IF-caps与可控T2A评测基准T2A-bench，并在该基准上大幅领先现有方法。论文已被ICLR 2026接收。
xAI“迄今为止最强大的视频音频生成模型”Grok Imagine 1.0版本，正式全面上线。
今天凌晨，马斯克的大模型独角兽xAI祭出最新视频生成模型Imagine v0.9，免费向所有用户开放。一周前，OpenAI发布了旗舰视频和音频生成模型Sora 2，此次更新或许是马斯克对Sora 2的直接回应。
近年来，扩散模型（Diffusion Models）凭借出色的生成质量，迅速成为图像、视频、语音、3D 内容等生成任务中的主流技术。从文本生成图像（如 Stable Diffusion），到高质量人脸合成、音频生成，再到三维形状建模，扩散模型正在广泛应用于游戏、虚拟现实、数字内容创作、广告设计、医学影像以及新兴的 AI 原生生产工具中。
文生音频系统最新突破，实现精确时间控制与90秒长时音频生成！
AI 初创公司 Stability AI 发布了名为 Stable Audio Open Small 的“立体声”音频生成 AI 模型，该公司宣称这是市场上速度最快的模型，且效率高到足以在智能手机上运行。
Google DeepMind正式发布其最新的音乐生成模型Lyria2，标志着音乐创作领域人工智能又一重大突破。该新模型具备高保真音频生成和专业音质，为音乐家、制作人和创作者提供了更强大的工具。