1
谷歌推出 EmbeddingGemma 2：支持多模态、7.4 亿参数量化手机端运行只需 191MB 内存
IT之家 10 月 7 日消息，去年谷歌推出了 EmbeddingGemma，为开发者提供轻量高质量的文本嵌入方案，下载量已超 2000 万次，广泛应用于端侧搜索工具和隐私优先检索增强生成（ RAG ）管线。 如今谷歌正式推出 EmbeddingGemma 2 ，将能力从文本扩展到代码、图像、视频、…
2
通用视频模型 MiniMax H3 正式开源，支持多模态上下文、2K 分辨率
IT之家 8 月 3 日消息，今日 MiniMax 正式开源新一代通用视频模型 MiniMax H3。 据介绍，MiniMax H3 是一个通用型全模态生成系统。它能够统一理解由文本、图像、视频和音频构成的多模态上下文，并可生成最高 2K 分辨率、最长 15 秒、带有原生立体声音频的视频。得益于以任…
3
火山引擎发布豆包音频生成模型 1.0，支持多模态参考生成与长时音色一致性
一条Prompt直接产出带对白、配乐和音效的完整音频，音频工作流或将就此改写。
IT之家 6 月 24 日消息，昨天火山引擎正式发布了豆包音频生成模型 1.0（Doubao-Seed-Audio 1.0），首次支持参考生成：把文本、音频任一模态作为输入，可以端到端生成目标音频。并且，它能在长时生成场景中保持多角色音色的一致性，大幅减少后期修音工作。 借由豆包音频生成模型 1.0…
4
上海：支持多模态智能体开发与应用，有序推进智能驾驶在共享出行、物流运输等多场景应用
上海“十五五”规划明确支持多模态智能体，并推动智能驾驶在共享出行与物流场景落地，政策信号明确。
IT之家 6 月 1 日消息，今日，上海市人民政府办公厅印发《上海市服务业发展“十五五”规划》。 其中提出，AI 软件技术及服务，大力发展生成式人工智能技术，聚焦人脸和图像识别、增强现实 / 虚拟现实（AR / VR）技术、智能交通、智慧物流、在线教育、能源等领域，打造 AI 软件技术及服务产业集群…