微软发布开源文本转语音模型VibeVoice-1.5B，支持多说话者长音频生成
微软推出VibeVoice-1.5B开源文本转语音模型，基于1.5B参数架构，支持最长90分钟多说话者语音生成。该模型具备跨语言和歌声合成功能，采用双分词器技术实现高保真音频输出，主要应用于播客制作和对话式AI领域。
新闻资讯
阿里云开源多模态视频生成模型，一键制作电影级数字人视频
阿里云发布开源多模态视频生成模型Wan2.2-S2V，只需静态图片和音频即可生成高质量数字人视频。该模型支持分钟级视频生成，适用于直播、影视制作、AI教育等领域，实现面部表情自然、口型同步的视频效果。
人形机器人进入规模化落地元年 迎来万亿级市场发展机遇
人形机器人已从实验室走向实际应用，2025年销售预计突破1万台。全球首个综合性人形机器人赛事成功举办，供应链优势明显，产业正迎来规模化落地的关键时期。
AI图像隐藏攻击新发现：恶意指令可藏身高分辨率图片中
研究人员发现新型AI攻击手法，通过在高分辨率图片中隐藏恶意指令，利用AI系统的降采样处理使指令显现并被执行，导致数据泄露风险。该漏洞已在多个主流AI平台验证有效。
字节豆包测试3D模型生成工具 降低建模门槛
字节豆包正在内测3D模型生成工具，支持基于图像的快速建模功能，有效降低3D创作门槛。该工具采用可控大规模生成模型技术，未来可能开放给更多用户使用，进一步拓展豆包AI应用边界。
Meta九月Connect大会将推全新智能眼镜产品线
Meta计划在9月Connect开发者大会上发布两款全新智能眼镜产品，包括此前传闻的带屏智能眼镜Hypernova和第三代无显示屏智能眼镜，将继续与雷朋合作打造，并与Midjourney达成AI技术合作以增强产品竞争力。
钉钉推出AI硬件DingTalk A1和Agent钉钉ONE智能办公解决方案
钉钉发布首款AI硬件DingTalk A1和Agent钉钉ONE等多款AI产品，DingTalk A1集录音笔、会议机、翻译机、AI助理功能于一体，支持8米超远拾音和45小时续航；Agent钉钉ONE包含消息助理、日程助理等多个AI助手，全...
维基百科禁止AI生成内容 编辑制定识别清单应对AI写作
维基百科明确禁止上传AI生成文章，平台编辑制定详细识别清单，通过语气、结构、格式、引用等多维度特征判断AI内容。AI文章常出现夸张用词、生硬连接、异常格式和虚假引用等问题，多种特征集中出现时会引发编辑警觉。
全球首个 AI 勒索软件现身：滥用 OpenAI 开源模型，跨平台搜索、窃取、加密文件
全球首个利用OpenAI开源模型的AI勒索软件PromptLock被发现，其通过生成恶意Lua代码实现跨平台文件搜索、窃取与加密。目前该软件未包含破坏功能，但存在升级风险，安全专家警告防御体系尚未完善。
马斯克预言：人形机器人数量将远超人类，未来“全民高收入”
埃隆・马斯克表示，未来智能人形机器人数量将远超人类，为人类提供全面的产品与服务。他提出通过全民高收入政策，保障人们享有最佳医疗、食物、住房及交通等福利，实现可持续富足的未来社会。
国务院：2027 年，新一代智能终端、智能体等应用普及率超 70%
国务院发布《关于深入实施“人工智能+”行动的意见》，提出到2027年新一代智能终端和智能体应用普及率超70%，推动人工智能与科技、产业、消费等多领域深度融合，加快形成智能经济和智能社会新形态。
Google 发布新图像生成模型 nano banana
Google最新推出的Gemini 2.5 Flash Image模型，凭借出色的图像生成与编辑能力，成为目前性能最强的AI图像模型之一。该模型不仅支持角色一致性保持和基于提示的图片编辑，还能实现多幅图像的智能融合，同时具备低成本的API调...
Meta AI 大神离职，原因却是扎克伯格的「毒鸡汤」
Meta研究科学家Rishabh Agarwal宣布离职，表示虽被扎克伯格的愿景吸引，但更倾向于承担不同风险。尽管Meta近期大举招聘AI人才，甚至开出高薪，但随后却冻结招聘并缩减团队规模，引发对战略调整的猜测。
谷歌 Gemini 2.5 Flash 升级 AI修图功能，多项表现优于 GPT-4o
谷歌推出的新一代Gemini 2.5 Flash图像编辑模型，在保持人物与动物外观一致的前提下，显著提升了图像修改的精准度。它支持局部文字编辑、多图融合及风格迁移等高级功能，尤其适用于品牌素材与产品展示的批量制作，表现优于GPT-4o等现有...
行业首个：8B 参数面壁小钢炮 MiniCPM-V 4.5 开源，号称“最强端侧多模态模型”
MiniCPM-V 4.5凭借创新的3D-Resampler结构，实现高刷视频理解能力突破，视觉压缩率提升至96倍，性能超越同类模型，尤其在动态画面识别和复杂文档解析任务中表现优异，成为端侧多模态模型的新标杆。