Mistral Voxtral TTS — 3秒语音克隆+开放权重，但不支持日语
分析Mistral于2026年3月发布的4B参数开放权重TTS模型Voxtral：盲测中以更自然语调击败ElevenLabs Flash v2.5，3秒音频即可完成零样本语音克隆，且仅需8GB显存本地运行。然而日语和韩语的缺席是进军亚洲市场的致命短板。详解CC BY NC 4....
Category: 应用创作
开源语音 AI：3 秒克隆声音，支持 9 种语言 — Voxtral TTS
在发出我的 OpenClaw 可以开口说话｜NoizAI 技能安装使用教程后，有朋友问：Noiz 有本地吗？ 我说：NoizAI是个在线的。本地转语音需要安装文本转语音的模型。想看的话，我可以找找。...
Mistral Voxtral TTS 快速上手：用开源语音模型构建 AI 语音助手的完整教程
法国 AI 公司 Mistral 于 2026 年 3 月 26 日发布了一款全新的开源文本转语音（TTS）模型——Voxtral TTS。这款模型专为企业级语音助手和客户服务场景设计，...
GPT Image 2正式发布！OpenAI新一代生图模型功能解析、使用方法与实测案例，GPT Image 使用入口和教程
发布时间：2026年4月21日 OpenAI 的下一代图像生成模型 GPT Image 2 已正式全量上线。这不是一次常规的模型迭代——从 4 月初在 LM Arena 上以 maskingtape-alpha、gaffertape-alpha 等匿名代号意外泄露，...
传闻已久的 GPT-Image-2 全面开放， NanoBanana再见！
这可能是2026年对创意工作者影响最大的一次更新。 最早在4月初就开始在海外社区流传的GPT-Image-2。就在昨天终于全面开放了。那么它的能力到底咋样呢？ 一、它到底强在哪？ 它摒弃了前代的扩散架构，采用全新的自回归多模态架构，带来了几个维度的颠覆性升级。 1....
浅谈音乐生成：HeartMuLa与ACE-Step1.5
1.前言 简单对HeartMuLa和ACE-Step1.5近期两个开源的文生音乐工作进行分析对比。 本人才疏学浅，欢迎各位交流指正～后续也将不定时更新正文内容 本文主要分为7部分。1为前言，2为整体对比总结，3个人对HeartMuLa的一些问答，4个人对ACE-Step1....
24GB显存就能跑！百度文心开源文生图模型ERNIE-Image
IT之家 4 月 15 日消息，百度文心大模型团队今日宣布正式开源文生图模型 ERNIE-Image。据该团队介绍，该模型参数量仅 8B，24GB 显存的消费级显卡即可生成媲美顶级商业模型的超真实、复杂图像。 当前，...
腾讯AI让游戏圈“惊悚”：一键生成3D世界、可导出3D模型，无缝对接游戏工作流
4月15日，李飞飞与她的联合创始人们共同创立的空间智能公司World Labs，开源了新一代3D高斯泼溅渲染引擎Spark 2.0。 Spark 2.0 这个工具说起来并不复杂：它让任何一部手机或者浏览器，都能流畅渲染超过一亿个高斯点构成的超大规模3D场景，...
再封神！OpenAI掀翻AI图像生成，极度逼真，立刻商用
GPT-4o曾经一夜封神。碾碎了多少人的AI生图工作流，很多创业项目一夜化为泡影。 今天，OpenAI再次掀翻AI生图的牌桌。 网传GPT-image-2正在灰度测试，再次封神。 这是AI生成的？简直不敢相信。...
裸辞北大博士带17个Agent，49天造出全球首个AI开放世界！成本仅5000
新智元报道 编辑：桃子 好困 【新智元导读】太震撼了！一位北大文科博士，带着17个Agent，爆肝49天30万行代码，手搓了一个「AI开放世界」Elseland。当技术被AI飞轮碾碎，一人就是一个「超级军团」的时代真的来了。...