

> 导语：今日AI界风起云涌，谷歌Gemini与YouTube纷纷推出强大的AI图像视频生成新功能，引领视觉内容创作新浪潮。与此同时，李沐团队发布了开创性的文本转语音模型Higgs Audio v2，而皮尤研究则揭示了AI对搜索行为的深刻影响。此外，Anthropic的研究为AI安全敲响警钟，阿里云则推出了更具性价比的编程大模型，快手与上交大联合推出的Orthus模型也打破了多模态生成的边界。

## 谷歌Gemini迎来重磅更新：内置Imagen模型，一键生成高质量图像

谷歌AI服务Gemini进行了重大升级，现在用户可以直接在界面中调用Imagen模型，轻松生成高质量的图像。此次更新还提供了遵循MCP规范的llms.txt文件，方便开发者获取最新的API和SDK使用方法。这一系列举措旨在简化开发流程，提升AI应用的性能，帮助开发者在日新月异的AI领域中保持领先地位。

![image.png](https://static.downly.cn/images/897b4259c51cbaa8aafefbe9bd78b1b8.png)

## 李沐团队发布Higgs Audio v2 开创语音合成新纪元

知名AI创业者李沐团队Boson.ai近日推出了开源的文本转语音大模型Higgs Audio v2。该模型功能强大，不仅支持多语言对话生成、韵律调整和声音克隆，甚至可以创作并演唱歌曲。Higgs Audio v2融合了1000万小时的语音数据进行训练，在情感和问题类别测试中表现远超GPT-4o-mini-tts。其先进的技术能够有效处理音频并利用预训练大模型，支持上下文学习。该模型的应用场景十分广泛，包括实时语音聊天、内容创作和语音克隆等，其代码现已在社区开源。

![image.png](https://static.downly.cn/images/308914ac71a51c79cbf4851a33039e11.png)

## 皮尤研究中心重磅发布 谷歌AI概览重塑搜索行为，外部网站流量锐减

皮尤研究中心的最新研究报告指出，谷歌的AI概览功能正在显著改变用户的搜索习惯。数据显示，该功能导致用户点击外部网站的流量大幅减少。当AI摘要出现时，仅有8%的用户会点击其他网站链接，而只有1%的用户会点击AI提供的源链接，大多数用户的搜索行为在谷歌页面内就已经结束。维基百科和政府网站成为这一趋势的最大受益者，而新闻出版商的流量则遭受了严重打击，这对开放的互联网生态系统产生了深远的影响。

![image.png](https://static.downly.cn/images/1dc682e6bc1f63f3626df0344ad9034e.png)

## Anthropic研究揭示 AI模型能从无害数据中习得隐藏行为

Anthropic的一项开创性研究揭示了AI模型之间存在一种被称为“潜意识学习”的未知现象。研究发现，模型能够在没有明确线索的情况下，通过数据中微妙的统计模式，继承教师模型的隐藏行为特征，即使这些数据看似完全无害。这种现象可能导致“错位”和“奖励黑客”等高风险行为的传播，对当前依赖数据过滤的安全模型构建方法提出了严峻挑战。这项研究呼吁，AI安全检查需要更加深入，必须考虑到这些能够躲避检测的统计特性，以确保AI系统的安全与可靠。

![image.png](https://static.downly.cn/images/442dcec2c9ecf64aaa7c89f4b264da87.png)

## Qwen3-Coder上线阿里云百炼 价格比Claude 4便宜3倍

阿里云最新推出了AI编程大模型Qwen3-Coder的API。该模型在性能上表现卓越，已超越GPT4.1等闭源模型，并与Claude4不相上下。更具吸引力的是，其价格仅为Claude4的三分之一，为广大开发者提供了一个低成本、高效率的编程解决方案。

![image.png](https://static.downly.cn/images/617a97b5c0af617e774c16cf3ff616c7.png)

## 快手与上交大联合推出Orthus模型 打破多模态生成新边界

快手与上海交通大学合作开发的Orthus模型，在近期的ICML大会上亮相并宣布开源。该模型基于自回归Transformer架构，能够高效地实现图文互转、图像编辑以及网页生成。在多项性能指标上，Orthus均超越了现有模型，展现出在多模态生成与理解领域的巨大潜力。

![image.png](https://static.downly.cn/images/190aef4bc3f4c6299fbce4da65785a94.png)

## 谷歌与YouTube引领AI视觉创作新潮流

谷歌相册和YouTube Shorts近期双双发布了强大的AI新功能，进一步降低了普通用户的创作门槛。谷歌相册新增的AI功能，不仅能将用户的照片“混搭”成动漫、漫画、素描或3D动画等不同风格，还能将静态图片一键转换为生动的视频。与此同时，YouTube Shorts也推出了类似的功能，允许创作者将相册中的图片转化为时长六秒的短视频，并增加了多种AI特效，极大地丰富了短视频的创作形式。

![image.png](https://static.downly.cn/images/74d9516c523f823722ea1f0c5eee78c1.png)


每日AI资讯0724：谷歌Gemini、YouTube引领AI图像视频新浪潮，李沐团队发布语音合成新模型


> 由快手技术团队推出的LivePortrait框架，为AI动画领域带来了高效且易于控制的全新解决方案。该技术不仅能基于单张图片快速生成高质量的人像动画视频，还创新性地支持对猫、狗等宠物进行动画驱动，并通过精细的局部控制功能，实现了前所未有的表现力和易用性。
## 高效可控的AI动画新范式

近日，快手VGI团队发布了一项名为[LivePortrait](https://liveportrait.github.io/)的全新AI动画框架，该技术专注于实现高效、高质量的视频驱动肖像动画。 不同于当前主流的扩散模型方法，LivePortrait扩展了隐式关键点技术框架的潜力，成功在计算效率和动画可控性之间取得了出色的平衡。 用户只需一张静态照片，无论是人物肖像还是宠物照片，就能快速生成表情生动、动作自然的动画视频。[体验地址](https://huggingface.co/spaces/KwaiVGI/LivePortrait)

![image.png](https://static.downly.cn/images/3af33c5ca1f4af528b430c08ccd64692.png)

## 核心功能亮点

LivePortrait的强大之处在于其多项创新功能，满足了从普通用户到专业创作者的多样化需求。

### 图像驱动与视频编辑

该模型的核心是图像驱动模式，它能将源图像作为外观参考，从一段驱动视频中提取面部表情和头部姿态，并将其完美融合，生成栩栩如生的动画。 此外，它还支持对已生成的视频进行再编辑，为内容创作提供了极大的灵活性。

### 精准区域控制

为了实现更精细化的控制，LivePortrait特别设计了拼接（Stitching）与重定向（Retargeting）模块。 开发者可以通过简单的数值调整，精确控制眼睛的开合程度或嘴巴的张开大小，实现对特定面部区域的微调，让动画角色的表情更具表现力。

<video src="https://static.downly.cn/images/7da86ed5125439086747e8286658d056.mp4"  title="video_animation_3_opt.mp4"></video>

### 跨物种动画 萌宠也能“开口说话”

LivePortrait最引人注目的突破之一，是其强大的泛化能力。通过在动物数据集上进行微调，该模型能够将动画能力从人类扩展到猫、狗甚至熊猫等动物身上。 这意味着用户可以用自己的表情来驱动宠物的照片，让它们“开口唱歌”或做出各种可爱的表情，为宠物内容的创作开辟了全新的互动形式。

<video src="https://static.downly.cn/images/ac7045e272a83e6ebe4352b52fd510ea.mp4"  title="animal_monkey_dance.mp4"></video>

## 技术创新与卓越性能

LivePortrait的卓越性能源于其坚实的技术基础。研发团队通过采用混合图像与视频的训练策略，并对高达6900万帧的高质量数据进行训练，极大地提升了模型的泛化能力和生成质量。 其高效的架构设计，使得在消费级的RTX 4090显卡上，生成一帧动画仅需12.8毫秒，展现了惊人的处理速度，非常适合实际应用部署。

## 应用前景

凭借其高效、可控及强大的泛化能力，LivePortrait在社交媒体、数字人、广告营销以及娱乐内容创作等领域展现了巨大的应用潜力。它不仅降低了高质量动画制作的技术门槛，也为用户带来了更加丰富和有趣的互动娱乐体验。



快手发布革命性AI动画工具LivePortrait 人像与宠物照片一键“复活”



  >AI领域热点频发，技术创新与行业竞争交织上演。美图推出MOKI工具，旨在通过一张图颠覆传统视频广告制作流程。腾讯开源音乐模型LeVo，以卓越性能挑战Suno的行业地位。快手Kling AI上线视频转音频功能，进一步拓展AI在多媒体领域的应用。与此同时，科技巨头间的人才争夺战愈演愈烈，OpenAI据传正积极调整薪酬，以应对Meta的猛烈挖角。

 ## 一张图生成爆款 美图MOKI让视频创作触手可及

 美图公司近日发布了其AI视频生成工具[MOKI](https://www.moki.cn/home)，并宣布开启限时免费。这一工具极大地简化了视频广告的制作流程。用户只需上传一张静态图片，并从内置的免费模板库中进行选择，系统便能迅速生成具有电影级运镜水准的专业创意广告。据悉，MOKI集成了业界七大主流的视频生成模型，为创作者提供了一个一站式的便捷创作平台。

![image.png](https://static.downly.cn/images/a40e03c5b8dedbcc7b5173e551ec210f.png)

 ## 腾讯开源LeVo模型 剑指Suno的音乐生成王者宝座

 腾讯公司在AI音乐生成领域投下重磅炸弹，正式开源了其先进的歌唱模型[LeVo](https://levo-demo.github.io/)。该模型在性能上直逼当前行业标杆Suno V4.5，并显著超越了其他所有开源模型。据了解，LeVo的训练数据集包含了高达200万首歌曲，使其能够支持中英双语演唱，并展现出惊人的音乐理解和生成能力。目前，该模型已提供在线体验，让人人都能感受顶尖AI音乐的魅力。[体验地址](https://huggingface.co/spaces/tencent/SongGeneration)

![image.png](https://static.downly.cn/images/d0df39d92572906d7d5d19f464af2307.png)

 ## 快手Kling AI新功能上线 视频轻松转音频
<video src="https://static.downly.cn/images/1ca99e85b872a10d480dbb382d68f5b3.mp4"  title="30767711929-1-16.mp4"></video>
 快手旗下的AI视频生成工具Kling近期再度升级，推出了备受关注的视频转音频新功能。这一实用功能的上线，意味着用户可以轻松地从视频文件中提取独立的音频轨道，无论是提取对话、背景音乐还是声音特效，都变得异常简单。快手方面表示，该功能目前正处于限时免费体验阶段，鼓励广大用户尝鲜。

 ![image.png](https://static.downly.cn/images/8c0da1e44d1253cf2306557468739bb3.png)

 ## 人才争夺白热化 OpenAI调整薪酬以应对Meta挖角

 据外媒报道，随着AI领域的人才竞争日趋激烈，OpenAI正在积极采取行动以留住其核心研究人员。此前，竞争对手Meta成功从OpenAI挖走了数名资深研究员，引发了行业震动。为了应对这一挑战，OpenAI高管已向内部团队保证，公司领导层正在重新校准薪酬待遇体系，以确保其人才激励方案在市场上具备足够的竞争力，打响这场关乎未来的“人才保卫战”。

![image.png](https://static.downly.cn/images/5975b8ebc4b73e2401e6ef60724d36aa.png)

 ## 虚拟脱衣模型引发关注 技术伦理引深思

 一款名为 not-flux-kontext-dev-clothes-remover 的虚拟脱衣LoRa模型近期出现在公众视野中。相关信息显示，该模型能够对图片进行处理，实现“虚拟脱衣”的效果。尽管相关实验展示了其技术上的可能性，但这类模型的出现也迅速引发了关于技术滥用、个人隐私和伦理边界的广泛讨论与深切忧虑。

 ![image.png](https://static.downly.cn/images/f09e164810778daf73b3863226483806.png)



AI每日资讯0630

不知从何时起，AI已悄然改变了内容创作的方式。还记得那些需要专业设备、团队协作才能完成的视频制作吗？如今，它们正被一种全新的创作方式所颠覆。

快手最近发布的可灵AI 2.0，正是这场创意革命的最新推手。从去年6月首次亮相至今，这款国产AI视频生成工具已经积累了超过2200万全球用户，完成了20多次迭代升级。而最新的2.0版本，更是让许多创作者发出了"现实不再存在"的感叹。

## 为什么可灵2.0如此特别？

当我们翻看用户实测案例，一位创作者描述他用可灵生成的霸王龙视频时说："霸王龙怒吼后猛然冲向镜头，张口扑咬，巨大的身体掀翻树木，镜头剧烈晃动..."这段描述听起来像是好莱坞大片的拍摄现场，但实际上只需一段文字提示，可灵就能将其变为视觉现实。

更令人惊讶的是，这些AI生成的视频中，人物表情变化微妙自然，马匹奔跑时鬃毛随风飘扬，甚至连城市被切割成悬浮碎片的科幻场景都能栩栩如生地呈现。这些效果在以往，可能需要专业团队耗时数月才能完成。

![640 (2).webp](https://static.downly.cn/images/ef1e1fd1fd364fe082a3a39088bb75dd.webp)

## 技术背后的突破

可灵团队在此次更新中下了不少功夫。根据快手高级副总裁盖坤在发布会上的介绍，新版本在动态质量、语义理解和画面美学三个维度都有显著提升。内部评测显示，与Google的Veo2相比，可灵2.0胜率高达205%，与备受瞩目的OpenAI Sora相比，胜率更是达到367%。

这种领先并非偶然。可灵采用了创新的DiT视频生成模型，通过全面升级训练和推理策略，特别强化了对复杂运动、交互场景和专业术语的表达能力。简单说，它更懂创作者的"语言"，能更准确地将文字描述转化为视觉呈现。

## 创作流程的重塑

"几分钟就能拿到自然如实拍，画面质感如电影的动态视频"——这不再是营销口号，而是真实的用户体验。传统视频制作流程中耗时最长的拍摄和后期处理环节，正被简单的文字描述和AI处理所替代。

除了基础模型的提升，可灵2.0还引入了多模态编辑功能，允许用户在已生成的视频基础上进行精细调整；同时新增的AI音效生成功能，更为视频内容增添了沉浸式体验。

配套升级的可图2.0模型也不容忽视。它不仅提高了图像生成质量，还新增了图片编辑和风格转绘功能，让用户可以随心所欲地调整和变换视觉风格。

## 生态扩展与行业影响

数据显示，已有超过1.5万名开发者和企业客户将可灵的API应用于不同场景。从品牌宣传到教育培训，从游戏开发到虚拟直播，可灵正在改变各行各业的内容生产方式。

一位广告创意总监在体验后表示："从创意到成片，原本需要两周的工作，现在可能只需要半天。"这种效率的巨大提升，正在重塑整个创意产业链。

## 未来已来

"让每个人都能用AI讲出好故事"——这句话揭示了可灵背后的愿景。技术的意义不仅在于完成任务，更在于赋能个体表达。当每个人都能轻松将脑海中的奇思妙想变为视觉现实时，我们或许会迎来一个创意表达前所未有的繁荣时代。

可灵2.0的出现，标志着AI视频生成工具已从概念验证阶段进入实用化阶段。它不再是技术展示，而是真正能提升创作效率、拓展创意边界的生产工具。

当下一个视频创意闪现在你脑海中时，也许你需要的不再是摄影机和剪辑软件，而只是一台电脑和可灵AI。在这个AI与创意深度融合的新时代，唯一的限制或许只剩下我们的想象力。

可灵2.0 - AI视频生成断层式碾压（真实和虚拟已无从感知）

快手推出的AI图像和视频创作平台

搜索结果: 快手