本期重点关注【开源语音模型】的密集发布与【AI智能体开发】的实用教程。Hume AI和Fish Audio相继开源了性能优异的TTS模型,而OpenAI则分享了为智能体构建计算机访问环境的【技术经验】。

模型动态

Hume AI开源语音模型TADA,性能优异

Hume AI发布其首款开源语音模型TADA。该模型比同类LLM TTS快【5倍以上】,在1000+测试样本中实现零幻觉,并能在手机和边缘设备上本地运行。评测显示其在自然度和音色相似度上排名第二。[1]

Fish Audio开源S2 TTS模型,支持自然语言情感控制

Fish Audio开源了S2TTS模型,这是一个4B参数的模型,覆盖80种语言,延迟仅100ms。最大亮点是支持通过【自然语言描述标签】在文本任意位置嵌入指令,从而精确控制语音的情感表达[2]

NVIDIA Nemotron 3 Super模型上线LM Studio

NVIDIA的Nemotron 3 Super模型现已上线LM Studio。这是一个120B参数的【开放权重MoE模型】,支持高达100万token的上下文窗口,本地运行约需83GB显存。项目地址:https://t.co/5v6WKnnUra[3]

技巧教程

OpenAI分享为智能体构建计算机访问环境的技术经验

OpenAI分享了为智能体构建计算机访问环境的技术经验。为使长时工作流可行,他们通过收紧执行循环、提供丰富的文件系统上下文以及启用带安全护栏的网络访问来实现。文章链接:https://t.co/dMIlJN2iqA[4]

开发者分享使用Codex进行编程的工作流

开发者@bolinfest分享了使用Codex进行编程的工作流,包括通过提示引导变更、指导实现、审查输出以及将大型PR拆分为可审查的提交。这为AI辅助编程提供了【实用技巧】。文章链接:https://t.co/KGvmR7Od0I[5]

行业资讯

Google宣布收购Wiz,创其史上最大收购案

Google宣布收购网络安全公司Wiz,这是其【史上最大】的收购案。此举旨在确保AI时代的安全,是AI安全领域的重要行业事件[6]

General Trajectory发布Phoenix AI无人机拦截系统

General Trajectory发布PhoenixAI无人机拦截系统。该系统将FPV无人机转变为自主拦截器,完全在设备上运行,抗干扰能力强,展示了AI在国防安全领域的重要应用。[7]