Google向Gemini Pro用户开放Veo 3；Cursor更新功能与定价【AI早报 2025-07-04】

理解画面捕捉细节，你的AI音效师来啦！

🔥 通义实验室开源旗下首个音频生成模型ThinkSound，该模型首次把多模态大模型的思维链推理引入音频生成领域，让AI可以像专业音效师一样逐步思考，捕捉视觉细节，生成与画面同步的高保真音频。目前，ThinkSound的代码和模型已在Github、HuggingFace、魔搭社区开源，开发者可免费下载和体验。 🤔 思维链推理让ThinkSound可以模仿人类音效师的多阶段创作流程，实现对视觉事件与相应声音之间深度关联的精准建模，例如先分析视觉动态、再推断声学属性，最后按照时间顺序合成与环境相符的音效。不仅如此，我们还构建了首个带思维链标注的音频数据集AudioCoT，该数据集融合了2531.8小时的多源异构数据，让模型在音频生成与编辑任务时做到“知其然、知其所以然”。 🚀 在开源的VGGSound测试集上，ThinkSound的核心指标相比MMAudio、V2A-Mappe、V-AURA等现有主流方法均实现了15%以上的提升。例如，在openl3空间中Fréchet 距离（FD）上，ThinkSound 相比 MMAudio的43.26 降至34.56（越低越好），接近真实音频分布的相似度提高了20%以上；在代表模型对声音事件类别和特征判别精准度的KLPaSST 和 KLPaNNs两项指标上分别取得了1.52和1.32的成绩，均为同类模型最佳。

这可能是最强的AI声音模型，一键生成从未有过的角色声音

【Midjourney中文版】不爬梯，不限次免费用！拿走不谢~（附安装包）新手学ai绘画必备！

54岁的马斯克，又悄悄干了两件大事

54岁生日这天，#马斯克 又悄悄干了两件大事 #特斯拉 实现自动驾驶交付 #脑机接口 #Neuralink 实现重大突破，2026年可让盲人重见光明，未来每个人都可以通过意念控制#擎天柱机器人 让全人类的集体意志和AI意志相匹配，人人都可以成为机器人。 #SpaceX #特斯拉 #Tesla #FSD #特斯拉自动驾驶交付 #马斯克生日

deepin 25 正式发布！万物向新，坚如磐石

历经 Preview、Alpha、Beta 三轮社区共创测试，deepin 25 于今日发布亮相！本次版本以 “万物向新” 为核心，四大革新特性全面进化，1000+ 项优化修复落地，为广大开发者与用户朋友们带来更可靠、更流畅、更自由的开源操作系统体验。 欢迎前往官网下载体验：www.deepin.org

【AI一周热点第4期】deepseek 0528 编程能力登顶、豆包1.6高考数学144分、字节seedance 超越veo3、日本AI 大模型开源

【AI一周热点第4期】 DeepSeek r1 0528 登顶编程能力榜单 豆包1.6大模型 高考 数学144分 字节seedance 1.0 图像生成领域 超越谷歌veo3 日本AI发展情况及日英双语大模型开源   最后是分享资料，不知道上周分享的build-llm 书籍 看完了没，我还没看完，不过这周 给大家分享一个《deepseek 从入门到精通》，真的是从0教你如何写提示词，根据不同环境成为 应用deepseek的 高手，实现AI的精准帮助和提效。

用Flux Kontext制作浮波柚叶打砖块|玩崩铁的这辈子有了硬核媚宅都是神人深度解析测评鸣潮剧情玩原神AI的福报锐评崩坏绝区零暴大雷不是我想要的仪玄

渣渣黑森林，还钱！

【6月最新】国内免费midjourney中文版！不限次永久用！拿走不谢~！ai绘画新手必备、MJ免费版、MJ中文版

RAG 工作机制详解——一个高质量知识库背后的技术全流程

RAG 工作机制详解——一个高质量知识库背后的技术全流程

【保姆级教程】10分钟用N8N+DeepSeek+MySQL搭建AI数据助手！用自然语言查询MySQL数据库，说人话和数据库对话！

视频配套代码已经整理好了，需要的宝子评论区领取哦！ 无论是新手小白，还是有一定编码经验的选手，皆可学习 如果视频对你有用的话请 一键三连【长按点赞】支持一下UP哦，拜托，这对我真的很重要！