

> 今日AI领域动态频发，从开发工具到商业支付，再到内容创作与物流运输，技术革新正全面加速。字节跳动开源编程助手，微信支付打通AI变现闭环，谷歌推出视频生成新模型，京东物流则发布了L4级自动驾驶无人轻卡，共同描绘出一幅AI深度融入产业的画卷。

---

## 字节跳动祭出大招 Trae-Agent开源让AI成为你的编程搭档

字节跳动旗下领先的AI原生集成开发环境 Trae，近日宣布开源其核心组件 Trae-Agent。这一举动旨在为全球开发者带来全新的智能编程体验。

Trae-Agent的核心能力在于它能够理解自然语言，并将其转化为具体的编程任务进行自动化执行。它内置了强大的文件编辑、脚本执行和代码库操作等功能，并且能够兼容多种主流的大语言模型，为开发者提供了极大的灵活性。此外，Trae-Agent会自动记录所有操作日志，方便开发者追溯和复盘。目前，Trae平台已经吸引了超过百万的月活跃用户，此次开源无疑将进一步推动智能开发生态的繁荣。

![image.png](https://static.downly.cn/images/830e8cf8a0f7e84b21fdf98aad3cdbab.png)

---

## 微信支付推出MCP功能 AI商业化迎来“印钞机”

微信支付近日上线了一项名为“商家应用直连（MCP）”的新功能，为AI应用的商业化进程扫清了关键障碍。该功能旨在打通AI应用从服务到变现的支付环节，让AI能够直接与用户发起交易。

通过MCP，用户在与AI应用（如智能客服、AI绘画工具等）交互时，可以无缝完成支付，极大地简化了传统支付流程，从而有效提升了转化率。更重要的是，该功能还能提供实时的支付状态反馈，并将交易数据回传给AI服务商。这些宝贵的数据可以用于驱动AI服务的优化和模型的快速迭代，形成一个高效的商业闭环。这一创新为内容付费、在线教育、电商导购等AI应用场景开辟了更广阔的盈利空间。

![image.png](https://static.downly.cn/images/63ea8fa758057539d1859f8518194ae8.png)

---

## 谷歌视频生成模型Veo全球上线 人人都是短视频导演？

谷歌正式将其最新的视频生成模型 Veo 推向全球市场。现在，Gemini 用户可以通过简单的文本提示，直接生成一段长达八秒钟的高质量视频。

目前，这项尖端功能仅对 Gemini AI Pro 的付费订阅用户开放，并且设定了每日生成三段视频的限制，以确保服务稳定。谷歌表示，此举是为了给短视频创作者提供一个便捷高效的创作工具，激发更多元化的内容形态。此外，谷歌还计划在未来为 Veo 模型增加“图像转视频”的功能，进一步降低视频创作的门槛。

![image.png](https://static.downly.cn/images/ffb800581fa7865adbbdcc373388c111.png)

---

## 真·无人配送 京东发布L4级自动驾驶轻卡 成本直降60%

京东物流在智能化领域迈出了重要一步，首次公开发布了其完全自主研发的无人轻卡——“京东物流VAN”。

这台无人轻卡拥有高达24立方米的载货空间和400公里的满载续航里程，其核心技术亮点是具备L4级别的自动驾驶能力，意味着它可以在公开道路上实现高度自动化驾驶，无需人工干预。据京东物流测算，该无人轻卡的应用将能够大幅提升物流摆渡、仓储转运和末端快递等环节的运营效率，并有望将相关成本降低60%。这标志着京东物流在构建未来智能物流网络方面取得了里程碑式的突破。

![image.png](https://static.downly.cn/images/fd06d66d1a595aa15dfa96730e42e49f.png)



AI每日资讯0705




> **导语**
> 今日的AI界迎来了效率与创新的双重爆发。从推理效率提升200%的开源模型，到十倍速处理表格的AI助手，再到实现视频般流畅的图像编辑技术，无不预示着生产力工具的巨大变革。与此同时，开发者获得了更精细的AI编程控制权，而用户即将体验到由AI主动发起的新型社交互动。





## DeepSeek增强版Chimera问世 推理效率飙升200%

德国TNG公司基于DeepSeek模型，发布了一款名为Chimera的增强版模型。其核心亮点在于创新的“专家混合（AoE）”架构，通过融合R1-0528、R1和V3-0324三个模型的优势，并运用权重合并技术，成功将推理效率提升了惊人的200%，同时显著降低了运营成本。这一突破使得Chimera在各大主流基准测试中表现卓越，实现了顶尖推理能力与经济效益的完美平衡。

![image.png](https://static.downly.cn/images/8d41b484ed0d84235f85cbf71428424c.png)

## 再见复杂公式 AI Excel助手Shortcut用自然语言搞定一切

一款名为Shortcut的AI驱动Excel助手正彻底改变我们处理电子表格的方式。用户不再需要记忆和编写复杂的公式或代码，只需通过简单的自然语言指令，Shortcut就能自动完成高级数据处理、复杂计算、数据可视化乃至财务建模等任务。这款工具的效率之高，甚至在Excel世界锦标赛的赛场上展现出超越人类冠军的实力，被视为重塑Excel工作流程的革命性力量。

![image.png](https://static.downly.cn/images/e8dd2bfb4bb649bf60d1986318b3df6b.png)

## 字节跳动开源VINCIE-3B 让图像编辑像视频一样连贯

字节跳动向开源社区贡献了其最新的VINCIE-3B模型。这个拥有3亿参数的模型，创新地从视频中学习上下文感知能力，从而摆脱了传统图像编辑工具对繁琐数据准备的依赖。它能够实现高质量且连贯的连续图像编辑，效果媲美视频剪辑中的平滑过渡。该技术在多个基准测试中已达到行业领先水平，为影视制作、数字营销和游戏开发等领域开辟了新的可能性。

![image.png](https://static.downly.cn/images/f77ec2f9e158f838d3b1c6178699fb6d.png)

## Claude Code推出Hooks功能 AI编程迎来更高阶的自动化

为了赋予开发者对AI编程更强的控制力，Claude Code推出了全新的Hooks功能。该功能允许开发者在AI代理执行循环的特定节点（如工具使用前、使用后或通知时）自动触发并执行自定义的shell命令。这意味着代码自动格式化、日志记录、权限检查等繁琐任务可以无缝集成到AI工作流中，极大地提升了AI辅助编程的可控性、稳定性和整体开发效率。

![image.png](https://static.downly.cn/images/809313d1a00f713936e9f338774bcb81.png)

## 小心 Meta聊天机器人将主动“敲门”

Meta公司正在测试一项颠覆性的社交功能：让其平台上的可定制聊天机器人拥有主动联系用户的能力。这些AI助手不再仅仅被动等待指令，而是能够根据上下文主动发起对话，或对之前的聊天内容进行跟进。这一举措旨在增强用户粘性，但也预示着人与AI的交互模式将进入一个更加主动和深入的新阶段。

![image.png](https://static.downly.cn/images/c385471a416226a3a742e54377a23d63.png)

AI每日资讯0704







> **导语** 本期AI资讯看点纷呈：从Stability AI将音频创作带入移动端，到字节跳动让单目视频秒变4D大片；从DeepSWE刷新AI编程代理新高度，到亚马逊机器人大军突破百万；同时，阿里、NVIDIA等公司在数字人、图像描述及编辑领域也推出了重磅开源模型。此外，我们还将关注谷歌视频模型Veo 3在游戏领域的巨大潜力，以及ChatGPT流量变化对新闻行业带来的深远影响。

---





## 手机秒变作曲家 Stability AI与Arm联手打造掌上音频创作神器

Stability AI 近期与 Arm 合作，开源了一款名为 Stable Audio Open Small 的轻量级文本到音频生成模型。该模型经过专门优化，能够直接在手机等移动设备的 Arm CPU 上本地运行，高效生成长达47秒的高质量立体声音频。这一进展标志着AI音频生成技术正从云端走向边缘计算和移动设备，为用户随时随地进行音乐创作提供了极大的便利。值得一提的是，该模型使用了免版税的数据进行训练，确保了其在商业和个人应用中的合规性。

![image.png](https://static.downly.cn/images/fa4f0ccf02d7644eb3bc9f85f71336bf.png)

---

## 字节跳动开源EX-4D 单视角视频一键生成自由视角4D大片

字节跳动PICO-MR团队近日开源了一项名为EX-4D的创新框架，它能够将单一视角的普通视频，转化为可以自由变换观看角度的高质量4D动态影像。该框架的核心技术是一种创新的动态高斯网格表示法（DW-Mesh），它有效解决了传统方法中因物体遮挡和数据稀疏导致的渲染难题。在多项性能指标测试中，EX-4D全面超越了现有的开源方法，并在用户主观评估中获得了高度评价，为未来沉浸式3D内容创作和复杂世界模型的构建提供了强有力的技术支持。


![image.png](https://static.downly.cn/images/7d80dfd56cf33f1c27c86ce4a739c547.png)


---

## AI程序员新王者诞生 DeepSWE登顶开源榜单

由 Together.ai 和 Agentica 联合发布的 AI Agent 框架 DeepSWE，正迅速成为软件工程领域的焦点。该框架基于阿里巴巴强大的 Qwen3-32B 模型，并通过强化学习进行了深度训练。在衡量AI代码能力的权威测试集 SWE-Bench-Verified 中，DeepSWE 以高达 59% 的准确率，成功登顶开源AI代理排行榜。这一成绩不仅展示了其在处理真实世界软件工程任务时的卓越能力，也预示着AI在自动化编程和软件开发领域巨大的应用潜力。

![image.png](https://static.downly.cn/images/4ffb051e17cf6be10cc0cedd56ea0e83.png)

---

## 亚马逊机器人大军突破百万 Deep Fleet AI模型加持物流新纪元

亚马逊近日宣布，其在全球部署的机器人数量已正式突破一百万大关。为了更高效地管理和调度这支庞大的机器人车队，亚马逊同时发布了一款全新的AI基础大模型 Deep Fleet。该模型旨在通过先进的AI算法，进一步优化包裹的分拣、搬运和配送流程，从而显著提升物流速度并降低整体运营成本。这一里程碑事件标志着亚马逊在其自动化物流网络建设上取得了重大突破。

![image.png](https://static.downly.cn/images/56e071229823efb738d96596c40b4943.png)

---

## 阿里再放大招 OmniAvatar让你的照片开口说话

![image.png](https://static.downly.cn/images/454330caa209ee65cca94f4de764d779.png)
阿里巴巴近日开源了一款名为 [OmniAvatar](https://omni-avatar.github.io/) 的音频驱动数字人模型。该模型基于先进的 Wan 2.1 技术，用户只需上传一张静态照片、一段音频和相应的文字脚本，即可快速生成一个口型精准匹配、动作表情自然的数字人播报视频。官方建议生成30秒以内的视频片段以获得最佳效果。尽管该模型对硬件有一定要求，需要至少36G显存才能流畅运行，但其在现有开源数字人模型中的表现已属顶尖水平，为个人和企业低成本创造虚拟形象提供了新的可能。
<video src="https://static.downly.cn/images/c795cc4b97f7f5b012c0ff72ad4f4bf5.mp4"  title="30819483777-1-16.mp4"></video>


---

## 指哪说哪 NVIDIA发布DAM模型精准描述图像局部细节

![image.png](https://static.downly.cn/images/640f40bcf94b7e3371f29944b364eb90.png)
NVIDIA 最近推出了一款名为“描述一切模型”（Describe Anything Model, DAM）的多模态大语言模型，极大地提升了图像理解的精细度。用户可以通过在图片或视频上进行点击、画框、涂鸦甚至使用遮罩等多种直观方式，来指定自己感兴趣的任何区域，DAM模型便能针对该特定区域生成详尽而准确的文字描述。目前，该模型已经提供了在线演示版本，供用户体验其强大的“指哪说哪”功能。[官网地址](https://describe-anything.github.io/)，[体验地址](https://huggingface.co/spaces/nvidia/describe-anything-model-demo)

<video src="https://static.downly.cn/images/c7b71bb21d04a5515f08aed684cbfbc2.mp4"  title="30819484438-1-16.mp4"></video>

---

## 开口即P图 开源对话式图像编辑器EasyEdit发布
![image.png](https://static.downly.cn/images/739df71a77f1beaa7f58b741c422a4ed.png)
一款名为 [EasyEdit](https://www.easyedit.io/) 的开源图像编辑器为图片修改带来了全新的交互方式。它采用了先进的 Flux KContext 模型，允许用户通过简单的自然语言对话来智能地编辑图片。无论是想“把天空换成蓝色”还是“让这个人笑起来”，都可以通过聊天的方式实现。目前，用户可以在网页端免登录使用其基础模型，而功能更强大的高级模型则需要提供API Key来调用，这为普通用户和开发者都提供了灵活的选择。
<video src="https://static.downly.cn/images/3c26012f9a587f56fbbc736cbffafb15.mp4"  title="30819484073-1-16.mp4"></video>

---

## 游戏世界的下一场革命 谷歌Veo 3或将开启可玩世界模型

谷歌 DeepMind 的首席执行官 Demis Hassabis 近日在一个公开场合暗示，谷歌最新、最强大的视频生成模型 Veo 3，其技术潜力远不止于生成视频片段，未来很有可能被应用于视频游戏领域。这一表态引发了业界的广泛猜测，如果Veo 3的技术能够实时生成和渲染游戏世界，或将催生出真正的“可玩世界模型”，彻底改变现有游戏引擎的开发范式，为玩家带来前所未有的动态和开放世界体验。

![image.png](https://static.downly.cn/images/b6722e0ee4fca884585278d0ecdd1c15.png)

---

## 杯水车薪 ChatGPT推荐流量难解新闻网站搜索量下滑之渴

根据最新数据分析，尽管像ChatGPT这样的人工智能聊天工具为新闻网站带来的推荐流量呈现增长趋势，但这部分增长远不足以弥补因传统搜索引擎流量下滑所造成的巨大缺口。数据显示，自2024年中期达到峰值以来，许多新闻网站的自然搜索流量已大幅下降，总访问量从超过23亿次减少到如今的不足17亿次。这一严峻趋势表明，新闻行业正面临着由AI技术驱动的流量结构性变迁，如何适应新的信息分发渠道已成为一个紧迫的课题。

![image.png](https://static.downly.cn/images/42669ccb9e6199d29f2f3a31592cc967.png)

AI每日资讯0703



> AI界风起云涌，技术应用与产业格局均迎来重磅更新。从谷歌Gemini实时生成交互界面的惊艳技术，到字节跳动、海螺AI等公司在视频生成领域的持续加码，AI正以前所未有的速度渗透到创意与交互的方方面面。与此同时，月之暗面开源其强大的多模态模型Kimi-2506，进一步推动社区发展。产业层面，苹果意图收购Perplexity的传闻引发市场巨震。然而，在一片高歌猛进中，MIT的研究也为我们敲响警钟，提醒我们需警惕对AI的过度依赖可能带来的认知影响。

## 警惕AI陷阱 MIT研究揭示过度依赖AI或导致大脑“变懒”

麻省理工学院（MIT）的一项最新研究为我们揭示了过度依赖AI工具可能带来的潜在风险。实验表明，与独立写作或使用搜索引擎辅助相比，长期完全依赖AI（如ChatGPT）进行写作的用户，其大脑在处理任务时的活跃度显著降低。这可能意味着认知能力的“走捷径”会削弱我们深度思考和解决问题的能力。研究还发现，亲身参与创作过程能显著增强人们对作品的归属感和满意度，这是纯粹由AI生成的作品无法替代的。

![iShot_2025-06-23_11.34.16.png](https://static.downly.cn/images/fd04b6a34281a853aae107ce409605b3.png)

## 字节跳动亮出新王牌 DreamActor-H1让商品图秒变带货视频

<video src="https://static.downly.cn/images/6ba10cca10c17c49251a28ddcf57071b.mp4"  title="30647320772-1-16.mp4"></video>
字节跳动近日发布了名为 [DreamActor-H1](https://submit2025-dream.github.io/DreamActor-H1/) 的视频生成系统，展示了其在AIGC视频领域的最新成果。该系统能够仅通过一张商品图片和一张人物照片，自动生成一段高质量、专业风格的带货短视频。从技术演示来看，其效果与广受欢迎的AI视频工具HeyGen相似，能够极大降低电商视频的制作门槛。目前，DreamActor-H1仍处于技术展示阶段，官方仅发布了演示视频和技术报告，尚未公布论文或开源计划。


![image.png](https://static.downly.cn/images/ff55f3865fb3c3d5438b81a67ab2f6c2.png)




## 谷歌开源Magenta RT 音乐创作进入实时生成新纪元

谷歌DeepMind团队为音乐创作者和开发者带来了一份大礼——开源了实时音乐生成模型Magenta RealTime (Magenta RT)。作为其先进模型Lyria的开放权重研究预览版，Magenta RT专注于实时交互式音乐创作与表演，能够根据用户的输入即时生成连贯的音乐片段。这一举措预示着AI在音乐领域的应用正从离线生成迈向实时协作，为现场表演、即兴创作和音乐教育开辟了全新的可能性。



![image.png](https://static.downly.cn/images/cc77d28a44031136de7ef51d6a435223.png)



## 视频剪辑迎来“自动驾驶” 海螺AI发布视频创作智能体

<video src="https://static.downly.cn/images/d1e844c63c547a134a3cddc0442a4596.mp4"  title="30647322073-1-16.mp4"></video>
国内AI初创公司海螺AI正式推出了其视频创作工具——Hailuo Video Agent。该工具定位为视频领域的“智能体”，旨在将创作者从繁琐的剪辑工作中解放出来。初期版本通过提供创意模板来简化创作流程，但其最终目标是实现用户自主编辑乃至完全自动化的“一键出片”。该智能体集成了音乐、TTS（文本转语音）、音效和字幕等全套功能，代表了AI赋能视频编辑的未来发展方向。



![image.png](https://static.downly.cn/images/883dd177d41f430aed6d85896ae5b853.png)



## 为机器人打造逼真世界 开源框架EmbodiedGen破解3D环境生成难题

具身智能（Embodied AI）的发展一直受限于高质量、物理真实的3D训练环境。为了突破这一瓶颈，一个名为EmbodiedGen的开源框架应运而生。它能够根据文本或图像输入，生成具有正确物理属性、密闭几何结构且可扩展的3D对象和场景。该框架生成的资产兼容多种主流物理模拟器，极大地降低了为机器人训练和数字孪生创建虚拟世界的成本和难度，为智能机器人研究铺平了道路。


![image.png](https://static.downly.cn/images/9b78864d652be698562cd2ddfafd4b23.png)



## 声音的“私人订制” MiniMax推出Voice Design音色设计功能

稀宇科技（MiniMax）在其开放平台上发布了创新的Voice Design音色设计功能。用户现在可以通过简单的文本描述，自由组合“任意语言、任意口音、任意音色”，创造出独一无二的个性化语音。该功能不仅能精准控制情感、音质等细节，还成功规避了传统音色复刻可能带来的版权风险，为内容创作、虚拟助手等应用场景提供了前所未有的便捷与高效。
用户可通过[稀宇科技国内版平台](minimaxi.com/audio)或[海外版平台](minimax.io/audio)体验Voice Design功能，探索语音合成的无限可能。
![image.png](https://static.downly.cn/images/2ce996768ec2bf3468a3b177bbae2128.png)

## 未来交互已至 谷歌Gemini 2.5 Flash-Lite实现“心念所想，界面即现”

谷歌DeepMind再次展示了其强大的技术实力，发布了Gemini 2.5 Flash-Lite模型。该模型最令人震撼的特性是其超低延迟的实时交互界面生成能力。用户可以通过语音或文本描述，瞬间生成并修改UI界面。这项技术结合了多模态输入和长上下文窗口，预示着一种全新的“生成式操作系统”的到来，用户与设备的交互方式或将被彻底颠覆。
![image.png](https://static.downly.cn/images/85e05624284ab97b3dc8479268d39ee4.png)

## 300亿美元豪赌 苹果或将收购Perplexity以重塑搜索格局

市场传出重磅消息，苹果公司正考虑以高达300亿美元的价格收购AI搜索初创公司Perplexity。若交易达成，这将成为苹果历史上最大规模的并购。此举被视为苹果应对AI时代搜索市场变革的关键一步，意图通过Perplexity先进的对话式、答案驱动的搜索技术，全面升级Siri和Safari的用户体验，以在与谷歌等对手的竞争中抢占先机。

![image.png](https://static.downly.cn/images/9d947b288c191a494212917b1cc2cf34.png)
## Kimi-2506开源 月之暗面升级多模态与智能体能力

国内大模型独角兽月之暗面宣布开源其最新的多模态模型Kimi-2506。新模型在智能体（Agent）和视觉理解能力上取得了重大突破。官方数据显示，其推理效率大幅提升，能够更节省token，同时在多项基准测试中得分显著提高。尤其在视觉方面，它支持高达320万像素的高分辨率图像处理，并在图表分析、长文档问答及视频理解等复杂任务上表现出色。

![image.png](https://static.downly.cn/images/b874ae38fdde0c49932a6e19ff4a81de.png)




AI每日资讯0623

> 近日，字节跳动（ByteDance）旗下的团队推出了一项颠覆性的视频修复技术——[**SeedVR2**](https://iceclear.github.io/projects/seedvr2/)。 这一创新模型能够实现**单步完成视频的超高清修复**，显著提升了处理效率和修复质量。 SeedVR2 不仅在视频去噪、去模糊、增强细节等方面表现出色，更通过引入新颖的训练范式，为老旧视频、低质影像的焕新带来了革命性的突破，有望广泛应用于影视、媒体及个人内容创作领域。



在数字时代，视频内容已经成为我们生活中不可或缺的一部分。 然而，许多视频素材存在画质不佳、模糊、噪点多等问题。 传统的视频修复过程往往复杂且耗时，效果也难以令人满意。
字节跳动（ByteDance）的团队带来的一款能够实现**单步完成视频高清修复**的创新模型——**SeedVR2**。从低质视频到超高清画质，只需一步，就能实现显著提升，为视频内容创作者和用户带来了前所未有的便利和效率。

![image.png](https://static.downly.cn/images/dd4e642f48b69eac04d752bf7989e25c.png)

### 颠覆传统 多阶段到单步修复的飞跃

以往的视频修复通常是一个多阶段的过程，可能涉及以下步骤

*   **视频超分** 将低分辨率视频提升到高分辨率。
*   **视频去噪** 消除画面中的噪点。
*   **视频去模糊** 恢复模糊的图像细节。
*   **帧间一致性处理** 确保修复后的视频在时间轴上保持流畅和自然。

这些独立步骤的串联不仅耗时，而且每个环节的误差都可能累积，影响最终效果。 SeedVR2 的核心创新在于，它能够将这些复杂的修复任务**集成到一个统一的模型中，并以单步操作完成**。

SeedVR2 能够实现这一飞跃的关键在于其**独特的设计理念和训练范式**，它能够同时学习不同退化类型（如模糊、噪声、压缩伪影）的修复，并在一步中生成高质量的结果。

### SeedVR2 的核心技术亮点

#### 1. 强大的多功能一体化能力

SeedVR2 不仅仅是简单的视频超分，它集成了多种修复功能，包括

*   **去噪** 有效消除视频中的各种噪声点，使画面更纯净。
*   **去模糊** 恢复因运动或对焦不准造成的模糊，让画面细节更清晰。
*   **细节增强** 智能地补充和增强视频中缺失的纹理和结构信息，让画面栩栩如生。
*   **色彩与对比度优化** 提升视频整体的视觉表现力。

这意味着，无论是老旧的模糊录像，还是手机拍摄的低光视频，SeedVR2 都能进行全面的画质提升。

#### 2. 高效的推理速度与优异的性能

相较于传统多阶段或更复杂的模型，SeedVR2 在实现顶尖修复质量的同时，显著提升了推理速度。 这种高效性使得它在实际应用中更具优势，尤其是在需要批量处理或实时修复的场景。 实验结果表明，SeedVR2 在多个标准基准测试上取得了SOTA（State-of-the-Art）性能。

#### 3. 新颖的训练策略与模型架构

SeedVR2 的成功离不开其创新的训练策略和模型架构。 研究团队通过精心设计网络结构和损失函数，使模型能够高效地学习视频中复杂的时空信息，从而在一次正向传播中完成高难度的视频修复任务，同时保持帧间的高度一致性，避免了闪烁和伪影。

![image.png](https://static.downly.cn/images/77cce6cc8693692758b45fdb7c742654.png)

### 应用前景 视频修复进入新时代

SeedVR2 的诞生，无疑为视频修复领域带来了革命性的影响，其应用前景广阔

*   **影视后期制作** 影视公司可以使用 SeedVR2 修复老旧影片，或提升数字电影的画质，节省大量时间和成本。
*   **短视频与直播** 创作者可以一键提升视频质量，为观众带来更优质的视觉体验。
*   **历史影像资料修复** 博物馆和档案馆可以利用 SeedVR2 修复珍贵的历史影像，使其重现清晰面貌。
*   **个人内容创作** 即使是普通用户，也能轻松将手机拍摄的低质视频修复成高清大片。

随着 SeedVR2 等先进技术的普及，视频高清修复将不再是专业人士的专属，而是普惠大众，让每个人都能享受到清晰、震撼的视觉体验。




字节 SeedVR2 单步完成视频高清修复

> 近日，字节跳动重磅发布了其最新视频生成模型 **Seedance 1.0**。 该模型带来了文本到视频、图像到视频双模态生成、流畅运动表现以及最引人瞩目的**原生支持多镜头叙事**等三大核心能力，预示着 AI 视频生成技术正迈向更高级、更智能的叙事创作阶段。



在人工智能内容创作领域，视频生成技术一直被视为最具挑战性也最富潜力的方向之一。 近日，互联网巨头字节跳动正式推出了其自研的先进视频生成模型——**Seedance 1.0**，这一发布不仅展示了字节在 AIGC (人工智能生成内容) 领域的深厚积累，更以其独特的**多镜头叙事能力**，为未来的视频创作带来了无限可能。

<video src="https://static.downly.cn/images/170a46ad27996c4209671b8b577eb95c.mp4"  title="30448618646-1-16.mp4"></video>

Seedance 1.0 的发布，无疑将进一步加速 AI 视频生成从“单镜头片段”走向“完整故事”的进程。
[即梦体验地址](https://jimeng.jianying.com/ai-tool/video/generate),目前可以生成5s，10s两种类型，仅会员可用
![iShot_2025-06-12_10.10.06.png](https://static.downly.cn/images/5decf22742093b09cff60041fdd894ab.png)

### Seedance 1.0 三大核心能力揭秘

Seedance 1.0 凭借其在技术上的创新突破，带来了令人印象深刻的三大核心能力，使其在当前 AI 视频生成模型中独树一帜

#### 1. 支持文本到视频和图像到视频双模态生成

Seedance 1.0 提供了灵活的输入方式，满足了不同用户的创作需求

*   **文本到视频 (text-to-video)** 用户只需输入一段描述性文本，Seedance 1.0 就能根据文本内容自动生成对应的视频片段。 这极大地降低了视频创作的门槛，让文字创作者也能轻松实现视觉化表达。
*   **图像到视频 (image-to-video)** 用户也可以提供一张静态图片作为起点，Seedance 1.0 将基于该图片生成动态的视频内容，为静态图像注入生命力。

这种双模态输入的支持，为用户提供了更加丰富多样的创作起点和可能性。

#### 2. 实现大幅度流畅运动生成和高精度提示词遵循

在 AI 视频生成中，运动的流畅性和对提示词的准确遵循是衡量模型质量的重要指标。 Seedance 1.0 在这两方面均有显著提升

*   **流畅运动生成** 模型能够生成更自然、更连贯的运动轨迹和画面过渡，避免了传统 AI 视频常见的卡顿、跳帧等问题，使得生成视频的观感更加舒适。
*   **提示词遵循精度显著提升** Seedance 1.0 对用户输入文本提示词的理解和执行能力更强，能更精确地将用户的意图转化为视频内容，减少了生成结果与预期不符的情况。

这意味着用户可以更精准地控制视频的风格、内容和动作细节。

#### 3. 原生支持多镜头叙事视频生成

这无疑是 Seedance 1.0 最具突破性的亮点。 传统的 AI 视频生成多为单个场景或单镜头片段，而 Seedance 1.0 则能够

*   **自动创建包含连贯转场的完整故事片段** 用户可以描述一个故事情节，Seedance 1.0 不仅能生成单个场景的视频，还能自动识别并生成多个镜头，并通过流畅的转场将它们无缝连接起来，形成一个有情节、有逻辑的叙事性视频。



这一能力对于短视频、广告、动画预演等领域具有革命性意义，它让 AI 不再仅仅是“片段生成器”，而是成为了一个“故事讲述者”。

### Seedance 1.0 模型表现突出

除了功能上的创新，Seedance 1.0 在实际性能表现上也达到了行业领先水平。 在其内部基准测试 **SeedVideoBench-1.0** 以及第三方评测平台 **Artificial Analysis** 上，Seedance 1.0 都展现出卓越的综合实力。

#### SeedVideoBench-1.0 多维度评测

在与行业其他主流视频生成模型的对比中，Seedance 1.0 在多个核心维度表现出色

*   **指令遵循** 对用户文本提示词的理解和执行能力更强，生成内容与指令的匹配度更高。
*   **运动质量** 视频中对象的运动、场景的切换以及整体的动态效果更加流畅、自然，视觉体验极佳。
*   **美学表现** 生成视频的画面质量、色彩搭配、构图等视觉元素更具美感，达到更高的艺术水准。

这些优异的表现，使得 Seedance 1.0 在生成高质量、高准确度的视频内容方面具备强大优势。

![image.png](https://static.downly.cn/images/bb84622c6127c47fe12f7415a55d401e.png)

### Seedance 1.0 的应用前景与行业影响

Seedance 1.0 的发布，无疑将对多个行业产生深远影响

*   **内容创作** 极大地赋能内容创作者，无论是短视频达人、独立电影制作人，还是广告公司，都能以更低的成本和更高的效率创作出高质量、有故事性的视频内容。
*   **营销与广告** 品牌可以快速生成定制化的营销视频，针对不同受众进行精准投放，提升广告效果。
*   **教育与培训** 制作生动形象的教学视频将变得更加简单，提升学习体验。
*   **虚拟现实与元宇宙** 为构建更加沉浸式、动态的虚拟世界提供了强大的视频生成能力。



字节跳动凭借其在短视频领域的深厚积累和算法优势，进军 AI 视频生成，无疑将加速这一领域的竞争与创新。 Seedance 1.0 的出现，标志着 AI 视频生成技术正从简单的视觉呈现迈向复杂的智能叙事，未来，我们或许能看到更多由 AI 驱动的精彩故事呈现在屏幕上。


字节 Seedance 1.0 发布 支持多镜头叙事的视频生成模型

> 字节跳动正式推出小云雀 AI，主打一键生成数字人视频功能。



随着数字内容创作需求的爆发，效率和便捷性成为新的追求。 近日，字节跳动正式发布了其在 AI 领域的又一重要产品——小云雀 AI。 这款 AI 应用的核心亮点在于其强大的数字人视频一键生成功能，极大地降低了数字人视频的制作门槛。目前仅支持安卓版本，iOS用户可能要再等等啦～
oppo 商店已经上架
![](https://static.downly.cn/images/20250530082105.161737324.png)

小云雀 AI 的“一键生成”能力，意味着用户只需要输入文本或上传少量素材，AI 即可自动生成带有数字人口播的视频内容。 这种便捷的操作方式，有望彻底改变传统的数字人视频制作流程，使其变得更加高效和亲民。

## 一键生成 轻松打造专属数字人视频

小云雀 AI 的“一键生成”能力，主要体现在以下几个方面

*   **文本驱动** 用户输入文字，AI 即可将文字转化为自然流畅的数字人口播。
*   **形象定制** 提供多种数字人形象选择，或允许用户定制自己的数字人形象。
*   **背景与场景选择** 提供丰富的虚拟背景和场景，或支持用户上传自定义背景。
*   **智能剪辑与合成** 自动完成口播与画面的同步，生成完整的视频文件。

<video src="https://static.downly.cn/images/20250530081548.653310493.mp4" title="171_1748592810.mp4"></video>

这些功能使得小云雀 AI 用户即使没有专业的视频制作经验，也能快速、轻松地创建数字人视频，将创意想法转化为生动的视频内容。

## 应用广泛 多领域迎来效率提升

小云雀 AI 的出现，有望在多个领域发挥重要作用，提升内容制作效率。



例如

*   **教育培训** 快速生成课程讲解视频，降低教师制作成本。
*   **企业宣传** 制作公司介绍、产品演示视频，提升品牌形象。
*   **短视频内容创作** 为短视频创作者提供新的内容形式和生产工具。
*   **新闻媒体** 快速生成新闻播报或资讯类视频。
*   **客服互动** 打造智能数字客服，提供更加生动自然的交互体验。

小云雀 AI 的出现，为这些领域的内容创作者和企业提供了强大的工具，帮助他们以更低的成本和更高的效率生产高质量的视频内容。

## 技术驱动 未来数字人视频新趋势

小云雀 AI 的核心在于其背后强大的 AI 技术支持，包括但不限于

*   **先进的语音合成技术** 将文本转化为逼真的人类语音。
*   **高质量的数字人建模与驱动技术** 创建栩栩如生的数字人形象并实现自然的表情和动作。
*   **智能视频合成与编辑算法** 将不同的元素 seamlessly 地整合到视频中。


字节跳动在 AI 领域的深厚积累，为小云雀 AI 提供了坚实的技术基础。 随着技术的不断发展，数字人视频的质量和逼真度也将持续提升。 小云雀 AI 的推出，无疑是数字人视频制作迈向普惠化、智能化道路上的重要一步，预示着数字人视频在未来将扮演越来越重要的角色。




 告别复杂 字节跳动小云雀 AI 一键生成 视频创作从未如此简单

2025年5月27日，Trae.ai 1.4 国际版（[trae.ai](https://trae.ai)）发布 ，开启收费模式，“白嫖”时代正式落幕（国内版目前依旧免费）。


## 如何选择Trae国际版还是国内版？

简单的说，国际版提供了更优秀的AI模型，所以无脑选择国际版就行了。Trae国际版可以使用`Gemoni-2.5 Pro`、`GPT-4.1`、`GPT-4o`“超级模型”和Gemini-2.5 Flash高级模型，其余并无差别。

| 特性     | Trae国际版                     | Trae国内版     |
| :------- | :----------------------------- | :------------- |
| 官网地址 | trae.ai                        | trae.com.cn    |
| 注册方式 | 邮箱（谷歌/Apple）注册登录     | 手机号注册登录 |
| 适用地区 | 国际地区（不支持大陆地区使用） | 中国大陆地区   |

[Trae 1.4 国际版](https://trae.ai/) 和 [Trae 0.6国内版](https://www.trae.com.cn/) 支持的模型对比：

![](https://static.downly.cn/images/image-20250528144251062.png)

简单的说就是Trae国际版（Windows）可以使用`Gemoni-2.5 Pro`、`GPT-4.1`、`GPT-4o`“超级模型”和Gemini-2.5 Flash高级模型，其余并无差别，而让人无语的是Mac国际版本居然额外的支持Claude 3.5、3.7、4.0。

## 模型支持对比

| 特性         | Trae国际版                                     | Trae国内版                         |
| :----------- | :--------------------------------------------- | :--------------------------------- |
| 支持的AI模型 | GPT-4o、Claude 3.5/3.7/4.0 Sonnet、DeepSeek R1 | DeepSeek V3/R1、Doubao-1.5 Pro     |
| 上下文长度   | 支持128k上下文长度                             | 根据模型不同有所差异               |
| 多模态支持   | 支持图片上传（除DeepSeek相关模型外）           | 暂不支持多模态                     |
| 中文支持     | 支持但非优化重点                               | 针对中文代码理解和本土开发框架优化 |



## 1.4版本收费政策对比

| 特性     | Trae国际版                                | Trae国内版         |
| :------- | :---------------------------------------- | :----------------- |
| 收费模式 | 1.4版本开始推出Pro付费订阅                | 目前仍保持免费策略 |
| 价格     | 月付$10，年付约650元人民币                | 免费               |
| 首月优惠 | 首月仅$3                                  | 不适用             |
| 支付方式 | 支持支付宝支付，无需海外信用卡            | 不适用             |
| 发票服务 | 提供发票（需在官网Plan & Billings中申请） | 不适用             |

## Trae使用体验对比

| 特性         | Trae国际版                         | Trae国内版                                |
| :----------- | :--------------------------------- | :---------------------------------------- |
| 排队情况     | 免费版需排队，Pro版无需排队        | 因使用国产大模型，排队情况相对较轻        |
| 响应速度     | 取决于所选模型和网络环境           | 针对国内网络环境优化，响应速度提升40%以上 |
| 功能完整性   | 完整支持所有功能                   | 完整支持所有功能                          |
| 代码生成质量 | 依赖国际顶尖模型，适合复杂代码生成 | 针对中文需求和本土框架优化                |



## 那些年，我们在Trae的免费队伍里

用过 Trae 免费版的小伙伴都知道，它就像一个热情但人手不够的服务员，时不时就让你等等等等等。尤其是在写代码写到思路飞起的时候，突然来个“请排队”的提示，那感觉，就像是约了女神吃饭结果被告知得等位两个小时一样令人崩溃。

![](https://static.downly.cn/images/20250528041517.973267775.png)

虽然是免费的，咱也不好说啥，毕竟“白嫖”一时爽，一直“白嫖”一直爽的可能性在互联网时代越来越低了。大家也就忍了，毕竟能有个AI帮写代码，总比自己一个字一个字敲强。

## Trae 1.4 版本开始免费时代正式下线！10$能换来什么？

2025 年 5 月 27 日，更新后显示更新日志。Trae 1.4.0 版本正式发布。模型效果全面进阶，使用体验显著增强。全新上线**付费免排队**能力。新用户首充 3 美金（续费10$），可获得 600 次免排队，支持超级模型调用，效率飙升，快来体验！以下是变更细节：

### 付费免排队能力

- 新用户首充 **3 美金，可用 600 次**快速队列。
- 超级模型（Claude-4/3.7/3.5-Sonnet、Gemini-2.5-Pro 等）快速队列体验更丝滑。
- 新增账号管理，及时查看模型及队列用量，选购限时容量包，低至 0.02 美金/次快速队列。

### 优化模型效果

- 优化 Agent 能力，使之**更 Agentic 化**，让 AI 更自主的决策，进而提升生成效果和用户体验。
- 扩充了 AI 可自主调用的工具，减少编程时的人工依赖，编程更流畅。
- 多轮对话上下文更连贯，**通过"继续"指令无缝衔接执行**，任务完成率更高。

### 支持“分享智能体、开箱即用”

- **智能体一键分享与导入**，快速复用 Prompt 和 MCP 配置。
- 新增对 Python、Java、Go 等语言的环境配置引导。

就在大家“等等”习惯了的时候，Trae 国际版 1.4 版本悄悄上线，带来了个重磅消息：要收费了！而且，价格低到惊掉下巴 首月仅3美元！

![](https://static.downly.cn/images/image-20250528134641759.png)

这10美元，官方的意思很明确：就是来拯救你们这些“等等党”的！付费之后，告别排队，享受丝滑的AI编程体验。想象一下，敲代码的时候，AI助手随时待命，无需等待，这效率提升得简直是“坐火箭”啊！

而且，这个价格，对比一下同行们，简直是“价格屠夫”级别的。Cursor 这种在开发者圈子里口碑不错的AI编程IDE，月费通常在20美元左右。这么一比，Trae 的10美元，简直是“买不了吃亏，买不了上当”的节奏啊！

## 10美元的“价格屠夫” 能否硬刚20美元的“老大哥”？

Trae 这波低价操作，明摆着就是要来抢 Cursor 的饭碗。一个10美元，一个20美元，这差距可不是一星半点。对于很多个人开发者或者小型团队来说，10美元的门槛简直是太友好了。

![](https://static.downly.cn/images/20250528041342.271745989.png)

但这就像是拳击比赛，体重量级不一样，但能不能打赢，还得看真本事。Cursor 毕竟在 AI 编程领域耕耘了一段时间，其AI模型的训练、功能的完善程度、对各种编程语言和框架的支持，都有一定的积累。它的20美元，很大程度上是建立在其提供的强大价值和稳定服务之上的。

那么问题来了：Trae 的10美元，除了能告别排队，还能提供什么样的AI编程能力呢？它会不会因为价格太低，而在核心功能上存在“致命问题”？

## 低价背后的“隐患” 别只顾着看价格！

别光看10美元便宜！如果Trae的AI模型本身不够聪明，给出的代码建议错误百出，或者只能处理一些简单的场景，那即使不排队，也只是“不排队地写烂代码”啊！

![](https://static.downly.cn/images/20250528041415.710110364.png)

**大家心里打鼓的“致命问题”可能是：**

*   **AI智商不够高？** 10美元能请到的AI，会不会只能完成一些基础任务，遇到复杂代码就“懵圈”了？写出的代码质量不如 Cursor？
*   **功能太简陋？** 除了基本的代码补全，像高级的代码重构、深度调试集成、智能bug查找等功能，会不会是阉割版？
*   **服务不稳定？** 虽然不排队了，但会不会时不时抽风，或者遇到bug没人管？
*   **更新跟不上？** 价格太低，研发投入会不会不足，导致功能更新缓慢，跟不上技术发展？

要知道，开发一个真正好用的AI编程IDE，需要巨大的技术投入和持续的迭代。10美元的价格，是否真的能支撑起一个强大且持续进步的AI编程平台？

## 告别排队是真香，但真香还是真坑？得用了才知道

总的来说，字节跳动 Trae 国际版 1.4 版本告别免费，以每月10美元的超低价杀入付费市场，并且承诺解决排队问题，这无疑是一个非常有吸引力的举措。对于那些受够了排队，又不想花太多钱的开发者来说，这可能是个不错的选择。

但它能否真正挑战 Cursor 的地位，甚至成为开发者的新宠，还得看它在10美元的价格下，能否提供一个功能足够强大、AI足够智能、服务足够稳定的编程体验。别光看价格，功能才是硬道理啊！

所以，Trae 1.4 版本究竟是“真香”还是“真坑”？各位开发者们，是时候掏出你们的10美元，亲自去试试看了！毕竟，实践才是检验AI的唯一标准！


字节跳动 - Trae 1.4 终结“白嫖”时代，它变好用了吗？

字节跳动旗下推出的AI虚拟交友聊天平台

小黄蕉

字节跳动推出的免费AI对话助手和个人助理

小悟空

字节跳动推出的AI大模型家族，包括视频生成、语音视觉、通用语言模型等

搜索结果: 字节跳动