热搜话题榜单

AI日报：谷歌终极杀器硬刚GPT-4o、Sora；字节推出豆包大模型“全家桶”；阿里再推AI虚拟试衣神器；腾讯开源混元文生图大模型

欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。新鲜AI产品点击了解：https://top.aibase.com/1、谷歌急了，终极杀器对打GPT-4o视频模型Veo硬刚Sora谷歌近日发布了一系列强大的AI工具，包括ProjectAstra、Veo视频模型和Gemini1.5Pro，旨在彻底颠覆谷歌搜索并挑战OpenAI。这一举措在�

谷歌发布基础世界模型Genie：11B参数，单张图生成可交互的虚拟世界

谷歌最新发布了基础世界模型Genie，这一模型拥有110亿参数，能够生成可交互的虚拟世界。Genie的出现让人们看到了人工智能在虚拟世界的无限可能性。Genie的出现将进一步推动虚拟世界的发展，为人类带来更多惊喜和可能性。

在线购物“虚拟试穿”模型Diffuse to Choose（DTC） 可将任何商品完美放入任何环境中

DiffusetoChoose是一种新型的虚拟试穿技术，它允许用户将任何商品放入任何环境中，实现逼真的在线购物体验。这一模型能够更好地捕捉商品的细节，并提升修复质量，同时保证产品在不同环境中看起来自然和真实。这一模型大大提高了用户对产品在真实环境中的样子的了解，进一步提升了在线购物的体验。

知网等将共同研发“儿科虚拟患者大模型”产品

12月20日，同方知网技术有限公司与首都医科大学附属北京儿童医院、北京思普科软件股份有限公司签署战略合作协议，三方将就“儿科虚拟患者大模型”开展深入合作。三方将发挥各自优势共同研发“儿科虚拟患者大模型”产品。该产品对各级医疗机构、医学院具有极大的应用价值，可帮助医生进行疾病的诊断、治疗和预防，提高医生诊疗水平。

AI视野：谷歌Gemini Pro开放；文心一言插件商城上线；谷歌图像生成模型Imagen2发布；阿里推虚拟试穿技术Outfit Anyone

谷歌GeminiPro大模型在研究基准测试中表现优异，支持32K上下文窗口的文本输入和生成功能，向VertexAI云计算客户和AIStudio开发人员开放，提供多种功能和SDK，为构建AI应用程序提供更多可能性。文心一言插件商城上线百度文心一言插件商城正式上线，提供多功能插件，包括PPT生成、音视频提取、思维导图等，用户可通过简单指令满足多场景需求。库提供开放访问，支持Unity和Unreal

网易有道虚拟人口语私教Hi Echo上线开放下载 由子曰教育大模型提供支持

有道推出的虚拟人口语私教HiEcho正式上线开放下载。这款产品提供了一对一的专属教练，让用户随时随地练习口语。HiEcho还提供发音标准纯正、地道美式口音的教练，让学习者轻松练习口语，无压力地克服社交恐惧。

3D虚拟人AIGC产品，或是最快规模化落地的大模型应用

虚拟人在国内发展已经有些年头，如较早出现的小冰，或随处可见的一些办事大厅的服务机器人。与其说他们是“虚拟人”，不如说是无形象、无表情的“语音对话机器”，离真正的虚拟人还有很大差距。其3D虚拟人AIGC产品成为最快规模化落地的大模型应用，实至名归。

DCI-VTON：基于扩散模型的高质量虚拟试衣技术 保留衣物细节

DCI-VTON是一种结合了样例基础修复和变形模块的扩散模型，用于实现虚拟试穿任务。它能够将一张图像上的衣物转移到另一张图像上，并在更高分辨率下保留衣物细节，生成逼真的虚拟试穿图像。核心功能:1.扩散模型生成高质量的虚拟试衣图像;2.利用变形模块保留服装的细节;3.范例修复方法保证输出结果尽可能保留细节;4.实现了基于扩散模型的条件修复，提高了虚拟试衣效果;5.在VITON-HD数据集上进行了实验验证，证明了方法的有效性和优越性。

FaceChain：提供一张肖像图就能生成虚拟模型

工具简介1.使用至少1张肖像照片，创建自己的数字孪生。2.可以使用Python脚本或Gradio界面训练模型并生成照片。使用FaceChain，用户可以轻松创建自己的数字孪生，并生成个人照片。

单张A100，50亿步训练，英伟达开源最强虚拟角色定制模型，超逼真动作零样本生成，游戏动画行业要变天

英伟达正式开源了超强虚拟角色定制模型CALM。开发者可以利用AI，零样本生成复杂逼真的动作，简单自由地控制角色。以下命令将使用预训练的CALM模型执行目标朝向任务:pythoncalm/run.py--taskHumanoidHeading--cfg_envcalm/data/cfg/humanoid_sword_shield_heading.yaml--cfg_traincalm/data/cfg/train/rlg/hrl_humanoid.yaml--motion_filecalm/data/motions/reallusion_sword_shield/RL_Avatar_Idle_Ready_Motion.npy--llc_checkpoint[path_to_llc_checkpoint]--headless--track内置任务及其各自的配置文件为:HumanoidReach:calm/data/cfg/humanoid_sword_shield_reach.yamlHumanoidHeading:calm/data/cfg/humanoid_sword_shield_heading.yamlHumanoidLocation:calm/data/cfg/humanoid_sword_shield_location.yamlHumanoidStrike:calm/data/cfg/humanoid_sword_shield_strike.yaml要测试训练好的模型，请使用以下命令:pythoncalm/run.py--test--taskHumanoidHeading--num_envs16--cfg_envcalm/data/cfg/humanoid_sword_shield_heading.yaml--cfg_traincalm/data/cfg/train/rlg/hrl_humanoid.yaml--motion_filecalm/data/motions/reallusion_sword_shield/RL_Avatar_Idle_Ready_Motion.npy--llc_checkpoint[path_to_llc_checkpoint]--checkpoint[path_to_hlc_checkpoint]AMP同时，项目还提供了AdversarialMotionPriors的实现。

AI文本生成动漫图片工具——Yodayo AI 含40种虚拟主播模型

YodayoAI是一款先进的人工智能系统，旨在生成免费且最好的AI动漫图像。它采用了创新的深度学习算法和生成对抗网络等先进神经网络架构。YodayoAI不仅是一个图像生成工具是一个创作灵感的源泉，可以帮助用户发现新的艺术风格和创作方向。

中科深智推大模型“数字姜尚” 适用于虚拟直播、数字员工等场景

元宇宙和虚拟人服务平台中科深智在战略发布会上发布了GenSense“数智姜尚”大模型，共发布了200亿和20亿两种参数量版本。与其它商用大模型不同，数智姜尚拥有轻量级、可私有化部署的优势。这是国内商用大模型的首次私有化部署。

遥遥领先！讯飞星火认知大模型可自动创作 生成虚拟人朗读

今天下午科大讯飞在发布会上推出了星火认知大模型，并公开进行了展示。星火大模型拥有多种能力，包括多风格多任务长文本生成生成能力、语言理解能力、泛领域开放式知识问答、情境式思维链逻辑推理、多题型可解析数学能力、多功能多语言代码能力、以及多模态输入和表达能力等。且不论是虚拟人的形象还是朗读语音，都非常的自然生动，能够结合文风和语义来进行内容输出。

在虚拟现实中打造梦幻模型:《蒙佐VR》正式登场

历经上市延期、并调整与优化内容，以期能为玩家呈现更完整的游戏，知名行动游戏制作公司MADFINGER Games宣布，其首款虚拟现实(Virtual Reality，简称VR)游戏《蒙佐》，已于2017年2月7日正式在Oculus Rift及Gear VR平台上登场。《蒙佐（MONZO VR）》是衍生自《MONZO》的VR游戏，除了能从中体验逼真的模型制作过程，其精致细腻的零件、讲究真实性的机件部位，使得无论是引擎、轿车、飞机、坦克，甚至是达文西的设计等大型机械机具更

虚拟空间拼模型 狂指游戏公开VR拼装模型创意新作

以开发《Dead Trigger》（死亡扳机）系列闻名的MADFINGER Games（狂指游戏）今天公开了一款VR游戏新作《Monzo VR》，目前对应VR设备为Gear VR和Oculus Touch。——《Monzo VR》本作是一款在VR虚拟环境里拼装各种模型的新作，模型种类丰富多彩，包括汽车，工具，飞机，恐龙等等。

A日报：月之暗面开源大模型Kimi K2；智源全面开源RoboBrain2.0；通义千问发布Qwen Chat桌面客户端

本期AI日报重点报道了多项AI领域突破性进展：1.月之暗面推出万亿参数开源大模型Kimi K2，展现强大智能能力；2.智源研究院开源RoboBrain2.0和RoboOS2.0机器人系统；3.通义千问发布桌面客户端Qwen Chat；4.IndexTTS2实现影视级语音合成；5.HuggingFace开源机器人Reachy Mini热销；6.Meta推出实时视频生成模型StreamDiT；7.PixVerse新增多关键帧视频生成功能；8.特斯拉推出仅支持AMD处理器的Grok AI助手；9.OpenAI推迟开源大模型发布以加强安全测试；10.Liquid AI开源边缘AI模型LFM2；11.AI"时间穿越"特效在社交媒体走红。

最新AI模型哪里看？查找最佳AI模型平台推荐

文章介绍了AI领域快速迭代背景下，开发者如何高效追踪最新模型动态。主要渠道包括：1）官方渠道（GitHub、公司官网/博客）；2）科技媒体和社区（Twitter、Reddit等）；3）专业聚合平台（推荐AIbase模型广场）。重点推荐AIbase平台，其优势在于：实时更新全球最新模型、结构化展示关键信息、支持多维筛选排序、直达相关资源链接。建议开发者善用官方渠道获取源头信息，同时�

AI日报：智谱上线PPT生成功能AI Slides；可灵 AI 发布可图2.1模型

本文介绍了AI日报栏目及近期AI领域多项突破性进展：1)智谱推出免费AI Slides工具，基于GLM模型快速生成高质量PPT；2)可灵AI发布可图2.1模型，支持180多种风格图像生成；3)NVIDIA推出DiffusionRenderer技术，实现视频到可编辑3D场景转换；4)墨刀AI新增30秒生成高保真原型功能；5)Higgsfield推出Soul ID工具，10张照片即可生成虚拟形象；6)谷歌DeepMind开源GenAI Processors工具库；7)谷歌Veo新增图像转视频功能；8)Mistral AI发布专为代码建模的Devstral2507系列模型。这些创新展示了AI在内容生成、3D建模、产品设计等领域的快速发展。

准确率92%！苹果新模型可通过行为模式预测怀孕

据媒体报道，苹果公司联合美国心脏协会和哈佛医学院布莱根妇女医院，在健康预测领域取得重大突破，推出基于行为数据的可穿戴模型WBM（Wearable Behavior Model）。 这项研究标志着健康监测从传统生物指标（如心率、血氧）向行为数据分析的拓展，为疾病预测提供了全新视角。 研究团队利用超过25亿小时的可穿戴设备数据训练WBM模型，使其能够从步数、活动能力等高层次行为

AI日报：xAI 震撼发布Grok4；微软开源全新Phi-4-mini版本；上海累计82款大模型通过备案

AI日报栏目聚焦人工智能领域最新动态：1)xAI发布旗舰模型Grok4，在数学推理和代码生成表现突出，同时推出开发者专用Grok4Code；2)微软开源Phi-4-mini模型，推理效率提升10倍，适合边缘设备；3)上海82款大模型完成备案，垂直领域应用取得突破；4)Hugging Face推出开源桌面机器人Reachy Mini，支持Python编程；5)Perplexity发布AI浏览器Comet挑战Chrome；6)OpenAI将首次发布开放权重模型，打破闭源惯例；7)谷歌医疗AI模型MedGemma系列上新，单个GPU即可运行；8)OpenAI以约65亿美元收购AI硬件公司io Products，正式进军硬件市场。