RTranslator ：一款开源、免费离线的实时翻译应用
可实现多人、多语言的实时对话翻译
用户可以通过蓝牙耳机连接应用，将手机放进口袋，与他人进行实时语言转换的对话，应用会自动翻译并播报对方的语言。
AI行业应用, 多媒体处理
AI行业应用
AI项目, 多媒体处理, 开源项目
Runway最新视频生成模型上线
Gen-3 Alpha是Runway的反击之作。Gen-3 Alpha的一大特点是生成的视频具有高精细度，它可以理解并生成复杂的场景和运动画面，还能胜任多种电影艺术手法。
AI行业应用, AI项目
未来的你，麻省理工学院让你与聪明、年长的自己聊天
麻省理工学院的研究人员（麻省理工学院简介）创建了一个 聊天机器人 感动于 人工智能 (AI) 它模拟用户以前的“自我”并提供观察和建议。 目标是鼓励人们今天更多地思考他们明天想成为的人。
AI行业应用, 工具软件, 机器人
世界上最小、最便宜的网络交换机
高中机器人团队开发的世界上最小、最便宜的网络交换机 — Murex Robotics 使硬件完全开源
高中生可以节省 90% 以上的价格，并减少专业解决方案的占用空间。
AI巨头, AI行业应用, Alphabet, 医疗AI
谷歌：个人健康大语言模型和智能体研究
整合到临床任务中的移动和可穿戴设备为个人健康监测提供了丰富、连续和纵向的数据来源。本文提出一个新模型，个人健康大型语言模型(PH-LLM)，一个经过微调的Gemini版本，用于对数字时间序列个人健康数据的文本理解和推理，用于睡眠和健身应用。
AI行业应用, Chrome插件, 多媒体处理
自动翻译油管语言的插件
YouTube Dubbing插件，一键将英语视频转换为中文的声音进行播放，非常适合用来看国外教程类的视频，
目前支持Youtube 和Udemy 。PC，Android ，IOS 都支持。
AI行业应用, 机器人
Mobile-Agent-v2：让AI可以像真人一样来操控你的手机执行各种任务
阿里和北交大的Mobile-Agent-v2 发布了Mobile-Agent-v2，一款通过多智能体协作实现有效导航的移动设备操作助手，它通过多代理协作实现了对移动设备的自动化操作和视觉感知功能，让ai可以像真人一样模拟点击、滑动、输入等操作来操控你的手机，从而执行各种任务。
AI行业应用, 多媒体处理
Whisper WebGPU：使用 OpenAI Whisper 进行浏览器内实时语音识别
直接在网络浏览器中实现实时语音识别长期以来一直是一个备受追捧的里程碑。 Hugging Face 工程师（昵称“Xenova”）开发的 Whisper WebGPU 是一项突破性技术，利用 OpenAI 的 Whisper 模型实现浏览器内实时语音识别。这一显着的发展是与人工智能驱动的网络应用程序交互的巨大转变。
AI项目, 多媒体处理
Luma AI推出了视频生成器，名为 Dream Machine
Luma AI 刚刚推出了一款类似 Sora 的 AI 视频生成器，名为 Dream Machine。
但与 Sora 或 KLING 不同的是，它完全向公众开放。
AI行业应用, 多媒体处理
Truecaller允许用户克隆自己的声音，来让AI接听电话
Truecaller 很自豪地宣布与 Microsoft 建立合作伙伴关系，利用 Microsoft Azure AI Speech 的全新个人语音技术。 Truecaller 的 AI 助手于 2022 年 9 月首次推出，已经融合了多种 AI 技术，可以自动为您接听电话、屏幕呼叫、接收消息、代表您回复或记录通话以供您以后查看。
AI巨头, AI行业应用, Alphabet, 医疗AI
Google AI 医学影像模型
机器学习 (ML) 有潜力彻底改变医疗保健，从减少工作量和提高效率到发现新的生物标志物和疾病信号。为了负责任地利用这些好处，研究人员采用可解释性技术来了解机器学习模型如何进行预测。然而，当前基于显着性的方法突出了重要的图像区域，通常无法解释特定的视觉变化如何驱动机器学习决策。
AI行业应用, 多媒体处理
Seed-TTS细节的 TTS 技术
Seed-TTS，这是一系列大规模自回归文本转语音（TTS）模型，能够生成几乎与人类语音无法区分的语音。
Seed-TTS作为语音生成的基础模型，在语音上下文学习中表现出色，在说话者相似性和自然性方面的表现与真实人类语音在客观和主观评估中相匹配。
通过微调，我们在这些指标上获得了更高的主观评分