AI进化速递丨北京推动创新药基础大模型研发
①阿里通义实验室开源音频生成模型ThinkSound，实现AI"听懂画面"②国声智库发布“智库界AI智能体”③酷狗音乐正式上线行业首款集成AI动态标引系统的“酷爱学习”播放器④喜马拉雅上线“AI听中问”功能：AI赋能用户体验升级⑤北京：推动创新药基础大模型研发，探索类脑智能等技术
阿里通义实验室发布PrismAudio视频生成音频框架
IT之家 3 月 24 日消息，阿里巴巴通义实验室今日发布了 PrismAudio，这是一个视频生成音频（Video-to-Audio）框架，其研究重点是环境音 / 音效合成，比如马蹄声、风雨声、金属敲击声等与画面内容同步的背景声音，而不是给人物配音。
世界模型长耳朵了：单卡实时出声，转身声场跟着转
你在一个 AI 现画出来的广场上往前走，转头看右边的喷泉——水声从左边滑到了右边，跟着你的脑袋走。这本来该是天经地义的事。现实里你转头，声音当然换边。可过去两年所有能「走进去」的世界模型，几乎全是哑的；会出声的那几个，声音是画面渲染完之后贴上去的，它根本不知道你镜头朝哪。
中国AI开源16强，最新出炉
太卷了！太卷了！知名AI大模型评测Chatbot Arena放榜！
国产模型悄无声息地赢得了一场多模态战役
文｜硅基星芒就在昨天，国产模型悄无声息地赢得了一场多模态战役。正当字节跳动的Seedance 2.0视频生成模型扬名海外，OpenAI却突然宣布即将关停旗下视频生成模型Sora的相关服务。在这个智能体时代，人们已经逐渐意识到多模态能力的重要性。Seedance 2.
昆仑万维UniPic 2.0“小钢炮”模型炸场，一个模型搞定理解+生成+编辑
文｜光锥智能，作者 | 琳华，编辑｜王一粟大模型又迎来新一波的迭代周期。近日，从Open AI发布GPT-5，到国内的昆仑万维、商汤、百川智能、智谱等都陆续发布了自己的新模型。
短视频配乐音效有哪些好用的大模型？云端、开源全覆盖，避坑实测
做短视频最头疼的从来不是画面，而是音频。辛辛苦苦用AI生成高清视频，一配乐就踩雷：版权音乐动辄下架、付费素材风格千篇一律、手动配动作音效耗时几小时，甚至出现音画不同步、人声机械感重的问题。
阿里开源音频生成模型！为AI视频生成匹配音频、分分钟生成游戏音效
智东西作者 | 金碧辉编辑 | 程茜智东西7月1日消息，阿里通义实验室全球首个应用思维链（CoT）技术的音频生成模型ThinkSound今天开源，该模型首次将CoT引入音频生成领域，通过多阶段推理框架解决传统视频转音频（V2A）技术的音画错位问题，并开源配套数据集AudioCoT
阿里通义首个音频生成模型ThinkSound正式开源
新榜讯 7月5日讯，阿里“通义大模型”公众号发布消息，通义实验室首个音频生成模型ThinkSound正式开源，此举将突破“静音画面”所带来的想象力限制。
清华打破多模态音频生成通才困境：Omni2Sound 音频基础模型开源！
同时，该工作秉持 Less is More 的设计哲学，拒绝堆砌复杂的定制化网络，仅凭一个朴素的、开箱即用的 Diffusion Transformer 骨干网络，便成功赋予了模型跨模态的逻辑推理与动态感知能力。