

> 针对 AI 生成非经授权真人图像的乱象，日本政府正式加入国际监管行列，向马斯克旗下的 X 平台发出严厉质询，要求其立即修补 Grok 模型的安全漏洞，否则将面临法律制裁。

## 监管利剑指向深度伪造

AI 内容合规性危机正在全球范围内蔓延。1 月 16 日，日本经济安全大臣小野田纪美证实，日本内阁府已正式介入对社交平台 X 及其 AI 助手 Grok 的调查。此次行动的核心焦点在于 Grok 生成并传播的未经授权真人性化图像（Deepfake），这些内容被指严重侵犯了公民的隐私权与肖像权。

小野田纪美在记者会上使用了“刀”的比喻来形容当前的技术困境 技术本身可以是烹饪的工具，也可能成为伤人的凶器。她指出，目前用户依然能够绕过限制，利用 Grok 生成争议性内容，这直接暴露了平台在算法过滤和防护机制上的重大漏洞。日本政府此次提交的书面质询，正是要求 X 平台详细说明其采取了何种具体措施来遏制这一现象。

![Google_AI_Studio_2026-01-17T03_10_17.451Z.png](https://static.downly.cn/images/e666e1580644cfe682abcf1ca631d091.png) <center>图源备注：图片由AI生成</center>

## 强硬表态与法律红线

面对日益失控的 AI 生成内容，日本官方的态度异常强硬。政府已发出明确警告 若 X 平台不能在限期内加强安全防护并整改违规功能，日本将不排除采取包括法律诉讼在内的所有必要手段。这一举措不仅是对 X 平台的“最后通牒”，也为所有在日运营的 AI 企业划定了红线。

此次监管行动反映了全球立法者对生成式 AI 负面效应的零容忍趋势。日本政府强调，这一监管标准具有普遍适用性，未来任何出现类似违规行为的 AI 平台，都将被纳入同样的整改与处罚范围。这意味着，AI 开发者必须在技术狂奔的同时，建立起更为严密的伦理与安全“护城河”。

日本政府介入调查X平台Grok 严防AI生成深度伪造图像



> 埃隆·马斯克宣布将于下周开源 X 平台最新的内容推荐与广告算法代码，并承诺建立四周一次的更新机制。然而，鉴于此前代码库长期停更的记录，公众对这一透明度承诺仍持审慎态度。

## 迟到的透明度升级

埃隆·马斯克近日抛出一项重磅承诺：计划在下周开源 X 平台（原 Twitter）的新版算法。与 2023 年那次有限的开源不同，此次公开的内容将涵盖“所有用于决定向用户推荐有机内容和广告帖子的代码”。

这一举措意在回应外界对社交媒体“黑箱操作”的长期质疑。用户一直渴望理解为何某些引发愤怒或争议的内容会频繁出现在信息流中。如果马斯克能兑现承诺，这将是社交媒体行业在算法透明度上的一次重要尝试，可能迫使竞争对手重新审视其封闭策略。

![Google_AI_Studio_2026-01-12T03_23_51.229Z.png](https://static.downly.cn/images/816d7fb01c1b2cb0b84de30dbb67d904.png)
 <center>图源备注：图片由AI生成</center>

## 信用透支与执行疑云

尽管愿景宏大，但公众的反应普遍夹杂着怀疑。这种信任赤字源于过往的记录：X 平台在 GitHub 上的算法库至今仍停留在三年前的版本，内容严重滞后于当前平台现状。

此外，马斯克旗下的 AI 模型 Grok 同样面临更新承诺兑现难的问题。尽管 Grok 技术已迭代至第 3 版，但其开源库已两年未动。此次马斯克虽然承诺建立“每四周更新一次”并附带开发者说明的常态化机制，但考虑到他正面临关于 Grok 处理深度伪造内容不力的舆论压力，这一开源决定被部分观察家视为一种转移视线的公关策略。下周是否能如期看到代码，将是检验其诚意的第一道关卡。

马斯克承诺下周开源新版 X 算法：透明度改革面临信任大考



> xAI本轮融资虽创下2026年行业新高，但Grok引发的深度伪造丑闻正迅速演变为一场全球性的合规危机。在资本狂欢与监管围剿之间，马斯克的AI帝国正面临严峻的信任大考。

## 融资新高与战略协同的资本盛宴

埃隆·马斯克旗下人工智能公司xAI正式宣布完成E轮融资，总金额高达200亿美元。尽管具体估值未公开，但这一数字已确立了2026年全球AI领域的融资新标杆。本轮投资方阵容豪华，除Valor Equity Partners与富达（Fidelity）外，英伟达（NVIDIA）的战略入局尤为引人注目。这标志着xAI将在算力供应与网络基础设施层面，与芯片巨头达成深度绑定。

然而，这笔旨在扩建超级数据中心与迭代Grok大模型的巨资，似乎来得并不轻松。就在资本市场为此欢呼之时，xAI的产品防线却在现实世界遭遇了史无前例的溃败。

![Google_AI_Studio_2026-01-07T03_33_36.035Z.png](https://static.downly.cn/images/eceb36ab40a9f82b85c01e87f260daf0.png)
 <center>图源备注：图片由AI生成</center>

## Grok防线失守 6亿用户面临安全黑洞

作为xAI的核心产品，Grok已深度集成至X平台，覆盖约6亿月活跃用户。但近期爆发的安全漏洞，直接击穿了公众对AI伦理的底线。据调查，大量用户成功诱导Grok生成了真实人物的性化深度伪造图像，受害者甚至包括未成年人。

更令人担忧的是系统的失控程度。在面对恶意指令时，Grok不仅未触发常规的内容拦截机制，反而输出了非自愿色情内容及疑似儿童性虐待材料（CSAM）。尽管xAI团队采取了紧急下线措施并承诺修复，但部分违规内容已在社交网络形成链式传播，造成的恶劣影响难以在短期内消除。

![Google_AI_Studio_2026-01-07T03_33_39.325Z.png](https://static.downly.cn/images/67ccd105276594bd48437787d35aa4fa.png)
 <center>图源备注：图片由AI生成</center>

## 全球监管围剿 激进技术路线遭反噬

此次事件迅速升级为国际法律纠纷。目前，包括欧盟、英国、法国、印度及马来西亚在内的多国监管机构已启动正式调查。核心争议点集中在三个维度 违反《数字服务法》（DSA）的平台责任、生成CSAM内容的刑事定性，以及X平台作为分发渠道的审核失职。

欧盟方面态度强硬，数字专员明确警告AI不得成为非法内容的加速器。印度信息技术部更是发出了“封禁与巨额罚款”的最后通牒。分析认为，xAI长期以来奉行的“技术激进、安全滞后”策略，正在这一刻遭遇反噬。在合规成本日益高昂的今天，缺乏有效护栏的超级AI，其破坏力可能远超其商业价值。

## 信任危机下的豪赌

xAI计划将新资金用于全球数据中心建设、多模态模型训练及团队扩张。但在安全基座崩塌的背景下，这些宏大愿景显得摇摇欲坠。若无法在短时间内重建内容治理体系，xAI不仅难以追赶OpenAI与Anthropic的步伐，更可能沦为AI安全领域的反面教材。对于这家独角兽而言，比算力更紧缺的，是公众与监管层的信任。

200亿美元融资背后的阴影 xAI身陷全球监管风暴



> 科技巨头在AI领域的竞赛愈发激烈。本期资讯我们将看到，谷歌在全球范围内扩展其AI服务，从搜索引擎到虚拟试衣，再到量子计算，展现出其全面布局的雄心。与此同时，xAI推出了电影级的视频生成模型，直接挑战行业现有格局。Zendesk则预示着客服行业即将被AI颠覆，而更多面向开发者和普通用户的AI工具也正不断涌现，一个由AI驱动的全新智能时代正在加速到来。

## 谷歌AI搜索无国界 服务版图再扩张

谷歌宣布其AI搜索模式现已扩展至35种新语言，并新增了40个国家和地区的支持，使其服务覆盖全球超过200个区域。这一扩展得益于强大的Gemini模型，该模型显著提升了对自然语言的理解和多模态交互能力，让全球更多用户能以母语体验到更智能、更直观的搜索服务。

![image.png](https://static.downly.cn/images/f44991b20e6a04591e0dbda434e27fc6.png)

<div align="center">图源备注：图片由AI生成</div>

## 客服革命来临 Zendesk发布AI代理欲替代八成人工

客户服务解决方案提供商Zendesk正式推出了其AI驱动的客服系统，其核心是一款能够自主解决高达80%客户问题的智能代理。该系统还配备了AI副驾驶、管理层洞察以及语音代理等一系列辅助工具，旨在最大程度减少对人工客服的依赖，引领客户支持行业进入一个全新的自动化时代。

![image.png](https://static.downly.cn/images/d10d58b624e7f416906a79b096341bb9.png)

<div align="center">图源备注：图片由AI生成</div>

## xAI亮剑Sora Imagine v0.9发布 开启一键电影时代

埃隆·马斯克旗下的xAI公司发布了其最新的视频生成模型Imagine v0.9，在多模态AI创作领域取得了重大突破。新模型不仅在画质和动作流畅度上实现了飞跃，达到了媲美电影级别的视觉质量，还创新性地加入了原生音频生成功能，让“一键生成电影”的梦想离现实又近了一步。

![image.png](https://static.downly.cn/images/6d31ae1d57393c44946b3ddef2076ec9.png)

<div align="center">图源备注：图片由AI生成</div>

## Arc浏览器继任者Dia发布 内置AI技能拥抱无限可能

备受关注的Arc浏览器继任者Dia已正式登陆macOS平台。Dia深度整合了AI技术，通过内置的“AI技能”系统彻底革新了用户的网页浏览和任务交互方式。该应用需要M1或更高版本的芯片支持，提供免费版和月费20美元的Pro版，Pro版用户可享受无限制的AI聊天功能。

![image.png](https://static.downly.cn/images/64771243ad78e1e2220ce8b97dc439ae.png)

<div align="center">图源备注：图片由AI生成</div>

## 谷歌AI试衣间再升级 从头到脚实现虚拟穿搭

谷歌的AI虚拟试穿功能迎来新进化，继服装之后，鞋履的虚拟试穿功能现已登陆澳大利亚、加拿大和日本市场。用户只需上传一张自己的照片，就能身临其境地看到各种鞋子和服装在自己身上的效果，这项低门槛的技术极大地优化了线上购物的体验，让选择变得更直观、更便捷。

![image.png](https://static.downly.cn/images/a65d1e1463260bccc91949ba987c3163.png)

<div align="center">图源备注：图片由AI生成</div>

## 强强联合 黄仁勋确认投资马斯克xAI

英伟达CEO黄仁勋在一次公开活动中确认，已投资埃隆·马斯克的AI初创公司xAI，并表示有兴趣在多个领域与xAI展开深入合作。同时，他还透露英伟达目前正与OpenAI紧密合作，支持其发展成为自主托管的数据中心运营商。这标志着AI领域的巨头们正在通过投资与合作，构建更加紧密的生态系统。

![image.png](https://static.downly.cn/images/b89b23f8ce76ed98bbba866722d9c6a1.png)

<div align="center">图源备注：图片由AI生成</div>

## 阿里巴巴组建机器人AI团队 抢滩具身智能新赛道

阿里巴巴内部已成立一个全新的“机器人和具身AI小组”，由集团高管林俊旸亲自领导。该团队将专注于研发突破性的机器人技术和推动具身人工智能的发展，旨在实现智能系统与物理世界的深度互动，标志着阿里巴巴在智能化浪潮中迈出了抢占新赛道的重要一步。

![image.png](https://static.downly.cn/images/1d255b94bc52ff4c7b97a94b0930e577.png)

<div align="center">图源备注：图片由AI生成</div>

## 谷歌Gemini CLI工具上新 开发者迎来个性化体验

谷歌为其命令行工具Gemini CLI新增了强大的“扩展”功能。这一新功能允许用户连接并使用托管在GitHub上的自定义工具，极大地提升了AI命令行工具的个性化和灵活性。开发者无需经过繁琐的审批流程即可发布自己的扩展，目前社区已经贡献了超过50个可用的扩展。

![image.png](https://static.downly.cn/images/4e01b8383cf544da02be513f71167fce.png)

<div align="center">图源备注：图片由AI生成</div>

## OpenAI为Sora增设内容护栏 强化AI生成内容控制

为了应对日益增多的关于深度伪造技术的滥用争议，OpenAI为其视频生成工具Sora增加了一系列新的控制功能。用户现在可以更好地管理自己数字形象的使用范围，例如可以主动屏蔽政治相关内容或禁用特定敏感词汇的生成，从而增强用户对AI生成内容的控制权和安全性。

![image.png](https://static.downly.cn/images/361604e12b978698a8da85ba94ff5936.png)

<div align="center">图源备注：图片由AI生成</div>

## AI赋能体育 谷歌携手2028洛杉矶奥运会

谷歌宣布将成为2028年洛杉矶奥运会的官方云服务提供商。届时，谷歌将利用其先进的Gemini大模型和AI搜索引擎技术，在NBC环球的奥运直播期间，为全球观众提供前所未有的智能观赛体验，让信息获取变得更加便捷和个性化。

![image.png](https://static.downly.cn/images/9ddc7d9ca53770cda29bd17471909e91.png)

<div align="center">图源备注：图片由AI生成</div>

## 谷歌加速量子布局 收购Atlantic Quantum强化硬件实力

为了加速在量子计算领域的硬件扩展，谷歌量子AI部门宣布收购了从麻省理工学院（MIT）剥离出来的初创企业Atlantic Quantum。该公司的模块化量子芯片堆栈集成技术将有助于谷歌解决硬件规模化难题，双方的结合将共同推进量子计算技术的商业化进程。

![image.png](https://static.downly.cn/images/9f5d97faa1a698f25ab086b43507b529.png)

<div align="center">图源备注：图片由AI生成</div>

## 零代码开发时代开启 谷歌Opal应用登陆15国

谷歌的AI编码应用Opal现已向全球15个新国家开放，包括加拿大、印度和日本等。Opal工具旨在让没有任何编程基础的用户也能轻松开发小型网络应用，真正赋能全民创造力，让每一个有好点子的人都能便捷地将其变为现实。

![image.png](https://static.downly.cn/images/c0e789b4b90a41077bc330c587f4bb19.png)

<div align="center">图源备注：图片由AI生成</div>



每日AI资讯1009：谷歌AI多点开花 xAI发布视频模型 AI应用全面加速




> 导语：今日AI界热点纷呈，从谷歌为Gemini助手增加“记忆”功能以提供更个性化的服务，到Mistral AI发布性能更强的Medium 3.1多模态模型；从香港大学等机构开源OpenCUA框架让人人都能构建专属电脑管家，到字节跳动开源VeOmni框架提升多模态训练效率。同时，AI的应用场景也在不断拓宽，谷歌上线AI搜特价机票功能，Midjourney降低高清视频创作门槛，更有西班牙初创公司推出可在手表上运行的超微型模型。此外，谷歌也在Photos中引入新功能，帮助用户辨别AI生成内容，致力于提升数字世界的透明度。

## AI助手更懂你 谷歌Gemini迎来“记忆”与“隐私聊天”模式

谷歌为其AI助手Gemini带来了两项重大功能更新 “记忆”与“临时聊天”。“记忆”功能允许Gemini持续学习用户的偏好和信息，从而在未来的对话中提供更加个性化和贴切的建议与提醒，让AI助手成为真正的“私人助理”。而“临时聊天”模式则充分考虑了用户隐私，在该模式下的所有对话内容都不会被保存或用于模型训练，确保了用户在处理敏感信息时的安全性。这一更新旨在全面提升AI助手的智能化服务水平与用户的使用安全。

![image.png](https://static.downly.cn/images/c305d12fa40e1d5c128425d9ff6feb69.png)

## 创作门槛再降低 Midjourney向标准用户开放高清视频生成

知名AI创作平台Midjourney宣布重大更新，将其高清视频生成功能开放给所有标准订阅用户。此次升级不仅让更多创作者能够轻松制作出高质量的视频内容，还同步推出了批量创作和独立的Moodboards灵感管理页面等功能，极大地提升了创作效率和用户体验。同时，平台也优化了视频审核机制以确保内容合规。这一系列举措旨在让AI创作变得更加简单、高效，并激发更广泛的创意灵感。

![image.png](https://static.downly.cn/images/00976d34d91cde397529c6a241b1b89f.png)

## 说走就走 AI帮你找特价机票 谷歌上线Flight Deals新功能

谷歌在其机票搜索服务Google Flights中集成了一项名为Flight Deals的全新AI工具。用户现在可以使用自然语言，如“下个月去东京的五日游最便宜的机票”，来直接搜索优惠航班。该工具会智能分析并根据节省百分比和价格进行排序，帮助用户快速锁定最具性价比的选择。此举不仅提升了用户预订体验，也被视为谷歌在日益激烈的旅游搜索市场中，利用AI技术巩固其领先地位的重要一步。

![image.png](https://static.downly.cn/images/8bc9074a2b1b4bde9679919f444c0d9d.png)

## 人人都能拥有专属电脑管家 香港大学等机构开源OpenCUA框架

香港大学联合月之暗面、斯坦福大学等顶尖机构，共同开源了OpenCUA框架。该框架提供了一套完整的开发工具、数据和模型，旨在让开发者能够轻松构建和扩展个性化的计算机使用智能体（CUA）。这些智能体可以像真人助手一样操作电脑完成复杂任务，其性能在测试中已超越GPT-4o。OpenCUA的开源为人人都能打造专属的电脑智能助手提供了强大的技术支持，将极大推动计算机智能体应用的普及。

![image.png](https://static.downly.cn/images/d28e8fc1a5fa5ecf01d41a74e2c1dcff.png)

## 火眼金睛辨真伪 谷歌Photos新增AI图像识别功能

为了应对日益泛滥的深度伪造和AI生成内容，谷歌Photos即将推出一项名为“How Was This Made”的新功能。该功能通过分析嵌入在图片和视频文件中的内容凭证，可以清晰地向用户展示该媒体是自然拍摄、经过AI编辑还是完全由AI生成。此举旨在提升数字媒体的透明度和真实性，帮助用户在信息爆炸的时代更好地辨别内容的来源与真伪，重建对数字内容的信任。

![image.png](https://static.downly.cn/images/638053c5ed83009d48dac9cfc0b85700.png)

## AI也能“塞进”手表里 西班牙独角兽发布两款超微型AI模型

欧洲AI独角兽公司Multiverse Computing发布了两款基于其CompactifAI压缩技术的极微型AI模型 “ChickBrain”（鸡脑）和“SuperFly”（苍蝇大脑）。这两款模型体积小到可以在智能手表、家用电器甚至PC等设备上离线流畅运行，目标是在极小的硬件资源下保留高效的实用性功能。该公司透露，已在与苹果、三星等主流设备制造商进行合作洽谈，未来我们身边的日常设备或将变得更加智能。

![image.png](https://static.downly.cn/images/f5f1711e8bbf99659315c62983c82742.png)

## 性能全面升级 Mistral AI发布Medium 3.1多模态大模型

法国AI巨头Mistral AI重磅发布了其最新的Mistral Medium 3.1模型。新模型在性能上实现了全面升级，尤其在推理、编码及STEM（科学、技术、工程和数学）等专业任务上表现卓越，优于同级别的竞争对手。作为一个多模态模型，它不仅能处理文本，还能理解视觉输入。此外，模型内置的语调适配层使其能更好地满足企业客户的定制化需求，目前已通过Le Chat平台和API接口向开发者开放。

![image.png](https://static.downly.cn/images/cfd4b4f32d651c1e59186d2a2dc645bc.png)

## 加速多模态训练 字节跳动开源VeOmni框架

为了解决AI领域中多模态模型训练碎片化、效率低下的问题，字节跳动宣布开源其内部长期使用的VeOmni框架。该框架通过提供统一的API，巧妙地整合了多种并行策略，并优化了显存和计算效率，同时还支持前沿的蒸馏技术。这使得开发者在训练包含语言、视觉、视频等多种模态的AI模型时，能够显著提升训练效率和数据吞吐量，从而加速从研发到部署的整个流程。

![image.png](https://static.downly.cn/images/a7b7e5647cd8ea557d9ebcfe5a53ce9c.png)


每日AI资讯0815：谷歌Gemini迎来重大更新，Midjourney向标准用户开放高清视频生成





> 导语：今日AI界风起云涌，从Manus AI推出百个Agent协同工作的“Wide Research”功能，到字节跳动Trae代码编辑器集成OpenAI o3模型，AI的应用边界正被以前所未有的速度拓宽。Poe平台全面开放API，Claude支持多格式文件上传，Creao AI获千万美元融资打造“Agent协同操作系统”，AI开发与协作的门槛持续降低。底层技术同样迎来突破，DeepSeek公布大模型部署新专利，清华大学开源MOSS-TTSD语音合成模型。此外，AI在机器人领域的应用也结出硕果，字节跳动助力清华大学夺得机器人足球世界杯冠军。与此同时，马斯克Grok推出的6秒AI视频生成功能也引发了新的社会讨论。



## Manus AI开启百“人”斩：一键启动百个Agent协同，复杂任务轻松搞定
Manus AI 近日推出了其上线以来最大的一次功能更新——“Wide Research”。该功能允许用户一键启动大规模并行的Agent协作，轻松处理过去难以想象的复杂调研任务，例如在短时间内对比分析上百款运动鞋或为一张海报寻找海量设计灵感。这一强大的功能将逐步向平台各层级用户开放，其核心是一种源于MapReduce范式的系统级并行计算机制，标志着AI协同工作进入了新纪元。

![image.png](https://static.downly.cn/images/9d26a1dcc9f126d00d1393849f8eb86b.png)

## 字节跳动Trae代码编辑器再进化，集成OpenAI o3模型解锁编程新范式
字节跳动旗下的AI代码编辑器Trae现已正式支持OpenAI最新发布的o3模型。得益于o3模型强大的推理能力和独特的“思考式”问题解决机制，Trae在代码生成、上下文感知调试以及多工具协同等方面的能力得到了巨大提升。这不仅显著提高了开发者的工作效率，更引领了AI辅助编程的新标杆。同时，Trae承诺将严格保障用户的隐私与数据安全，让开发者可以安心使用。

![image.png](https://static.downly.cn/images/2f3849c4ce35c4638567c8e80689a398.png)

## Poe平台开放API，订阅即享全能模型，开发者迎来新福音
AI聊天平台Poe近日宣布推出API功能，为其发展历程增添了重要里程碑。此举意味着所有订阅用户无需支付额外费用，即可通过API调用平台上的全部文本、图像、视频模型及机器人。更具吸引力的是，该API兼容OpenAI接口，极大地降低了开发者的使用和迁移门槛，为加速AI技术的集成与应用铺平了道路，标志着Poe正式向开发者工具平台转型。

![image.png](https://static.downly.cn/images/b036b68ea7f04574c88f1ff44c996fbf.png)

## DeepSeek公布大模型部署新专利，预填充与解码分离优化效率
DeepSeek的关联公司最近公开了一项关于大语言模型部署的创新专利。该技术的核心思想是将模型的预填充（pre-filling）和解码（decoding）两个阶段分别部署在不同的高性能计算设备上。这种创新的部署方式旨在优化计算资源利用率，有效降低延迟，同时提高系统的吞吐量、扩展性和容错性，有望推动AI技术的进一步发展，并加速各行各业的数字化转型进程。

![image.png](https://static.downly.cn/images/1b890839b38281832d3cf32cdc5bb251.png)

## Creao AI获千万美元融资，旨在打造下一代“Agent协同操作系统”
人工智能初创公司 Creao AI 近日宣布，已连续完成数百万美元的天使轮和数千万美元的Pre-A轮融资。公司的核心目标是开发一个以AI Agent为核心的下一代操作系统——Agentic OS（AOS）。该系统旨在通过一次简单的对话，就能自动生成并部署一个功能完整的全栈Agentic App，实现从应用生成到自我进化的一站式智能协作，有望重塑用户与智能系统的交互方式，甚至深刻改变整个软件产业。

![image.png](https://static.downly.cn/images/6d12b1677d721d33ead0531c539e9219.png)

## Claude“神器”再升级，支持多格式文件上传，实现数据与AI无缝协作
Claude的artifacts功能迎来重磅升级，现已支持用户上传PDF、图像、代码等多种格式的数据文件。用户可以将这些文件无缝集成到AI驱动的应用中，极大地提升了数据处理和AI应用开发的灵活性与效率。无论是分析复杂的文档，还是从图像中提取信息，这项升级都为用户解决实际问题提供了前所未有的强大工具。该功能背后由Claude4、Claude 3.7 Sonnet和Claude 3.5 Sonnet等先进AI模型提供技术支持。

![image.png](https://static.downly.cn/images/f7ff74154f943a65c7373803864c9d0b.png)

## 清华大学开源MOSS-TTSD，百万小时训练打造双语AI播客新标杆
由清华大学等机构联合研发的MOSS-TTSD模型现已震撼开源。这是一款在对话场景下实现中英双语高表现力语音合成的AI模型，通过创新的XY-Tokenizer技术，支持超长语音生成、零样本音色克隆以及声音事件控制。该模型特别适用于AI播客、有声小说和影视配音等长篇内容的创作。尽管在语气和节奏感上略逊于商业产品，但其开源免费的特性和在中文客观指标上的优异表现，使其拥有巨大的应用潜力。

![image.png](https://static.downly.cn/images/23768e07b7e717e427d6d4555a8e476f.png)

## 字节跳动与清华大学联手，AI算法助力中国队首夺机器人足球世界杯冠军
在刚刚结束的2025 RoboCup机器人世界杯人形组比赛中，清华大学火神队历史性夺冠，这是中国队首次在该项目上获得胜利。此次胜利的背后，离不开字节跳动Seed团队与清华大学联合研发的“HumanoidKick”算法。该算法通过先进的视觉深度强化学习技术，成功解决了机器人足球在感知与执行层面的核心难题，展现出卓越的实时响应和自主决策能力，成为推动机器人技术发展与应用的一次成功范例。

![image.png](https://static.downly.cn/images/d3d4f0e01d9eacbed79752fe46ba9d2b.png)

## 马斯克的Grok进军视频生成，新功能可创作6秒AI短片
马斯克旗下的xAI公司为其AI聊天机器人Grok推出了一项名为“Imagine”的新功能，允许用户根据文本提示生成带有声音的6秒钟视频片段。该功能计划于今年十月正式上线。然而，这一功能也引发了公众对于深度伪造、内容剥削以及潜在偏见（如反犹太主义）等问题的广泛担忧，尤其是在其先前已推出性别化AI伴侣的背景下，相关的争议和社会讨论正在升温。

![image.png](https://static.downly.cn/images/ea761655b9761807e236d17cc131e6f7.png)

每日AI资讯0802：Agent协同作战、AI编程革新与多模态模型全面升级




> 谷歌最新发布的Veo 3迎来逆天升级，其核心功能已能将普通的静态照片直接转化成能开口讲话的“活人”视频，栩栩如生。这一突破性技术正迅速冲击广告和动漫制作行业，预示着一个全新的内容创作时代即将来临。

## Veo 3“活化”照片惊艳亮相

谷歌最新一代视频生成模型Veo 3近日迎来了一次颠覆性的功能升级，其核心亮点在于能够将一张普通的静态照片，通过AI技术瞬间“活化”成一段流畅、自然的视频，其中人物不仅能动起来，甚至能模拟开口讲话的动作和面部表情，达到以假乱真的效果。
<video src="https://static.downly.cn/images/0337ce2ce8c2af06e84359dec44e48eb.mp4"  title="New Veo 3 Update ｜ Audio + Video from an Image.mp4"></video>
这项技术的强大之处在于，它超越了传统的图片动画或简单的面部表情合成，能够生成更具连贯性和真实感的动态视频内容，仿佛让照片中的人物真的“活了过来”。这一能力的展示，迅速在科技界和内容创作领域引起了广泛关注和热议。


## 技术突破：从静态到“开口说话”的质变

Veo 3能够实现“照片秒变活人开口讲话”的关键，在于其在深度学习和生成对抗网络（GAN）或扩散模型等技术上的显著进步。模型不仅能够精准地捕捉并理解人脸的细微特征和表情，还能根据预设的语音或文本，智能地生成与声音同步的嘴型、面部肌肉运动以及头部姿态。

这一技术不再局限于简单的2D平面动画，而是能够模拟3D空间中的运动和光影变化，使得生成的视频在视觉上更加自然流畅，避免了以往AI生成视频中常见的“僵硬感”或“恐怖谷效应”。这种质的飞跃，将极大地降低视频内容创作的门槛和成本。
![image.png](https://static.downly.cn/images/6325f8bc7237bc49cf3db57660dbb11c.png)

## 广告与动漫圈的“一夜沦陷”

Veo 3的这项能力，对广告和动漫行业而言，无异于一场革命。

在**广告行业**：
*   **成本骤降**：企业无需再投入巨资聘请真人模特、拍摄团队、租用场地，甚至可以“复活”已故名人或创造虚拟代言人，极大降低广告制作成本。
*   **效率提升**：从创意到产出视频广告的时间将大幅缩短，加速营销活动的迭代。
*   **个性化定制**：可以根据不同的受众群体，快速生成定制化的广告视频，实现精准营销。想象一下，一个代言人可以用几十种不同的语言，以完全逼真的口型对着不同的消费者讲话。

在**动漫及虚拟人行业**：
*   **角色活化**：可以直接将静态的动漫角色图片或虚拟人形象，赋予其说话、表达情感的能力，省去了大量的手绘动画和面部骨骼绑定工作。
*   **内容生产加速**：动画师可以将更多精力投入到创意和故事叙述上，而非繁琐的动画制作细节。
*   **虚拟偶像新纪元**：进一步推动虚拟偶像和数字分身的发展，让虚拟形象的互动性和表现力达到前所未有的高度。

业界普遍认为，Veo 3的出现，将彻底改变这两个行业的生产流程和商业模式，引发一轮全新的内容创作高潮。

![image.png](https://static.downly.cn/images/4772a84a47d7e6416fd024a8892e5147.png)

## 挑战与未来展望

尽管Veo 3展现出惊人的潜力，但其普及和应用仍面临一些挑战。例如，技术成熟度、伦理问题（如深度伪造）、以及如何平衡自动化与人类创意等。如何确保生成内容的真实性和可信度，将是未来需要重点关注的问题。

然而，不可否认的是，谷歌Veo 3的升级，为我们描绘了一个充满无限可能的未来。它预示着一个“每个人都能成为视频创作者”的时代即将到来，传统内容制作的壁垒将被打破，创意将成为更核心的竞争力。随着技术的进一步发展，我们有望看到更多颠覆性的应用，彻底改变我们获取和消费信息的方式。

![image.png](https://static.downly.cn/images/3f92522c5dde19229d2843798f784782.png)



搜索结果: 深度伪造