首页 文章 精选 留言 我的
优秀的个人博客,低调大师

微信关注我们

原文链接:https://www.oschina.net/news/413766

转载内容版权归作者及来源网站所有!

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

通义实验室发布视频生成环境音框架 PrismAudio

阿里通义实验室宣布推出 PrismAudio,一个将强化学习与思维链紧密结合的视频生成环境音框架。其研究重点在于环境音/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,而非人物配音。 PrismAudio 只有 5.18 亿参数,生成 9 秒音频只要 0.63 秒。目前这项研究已被顶级会议 ICLR 2026 收录,代码即将开源。根据介绍,PrismAudio 的突破在于“先思考,再发声”。并且有四位“老师”同时给它打分,其中: 语义老师盯着画面,教模型认准“这是马蹄声,不是鸟叫声”。 时序老师拿着秒表,监督声音和动作必须严丝合缝。 美学老师挑剔音质,要求声音自然、有层次、不刺耳。 空间老师听声辨位,检查声音是不是从该来的方向来。 模型在生成声音前,会先分析:这段视频里有什么?应该发出什么声音?声音什么时候开始?什么时候结束?顺序怎么排?声音应该是什么质感?清脆还是低沉?远近怎么处理?声源在左边还是右边?有没有移动? 四份笔记写完,拼接成一份完整的“行动指南”,再交给音频生成模型去执行。“这就是我们说的分解式思维链,不是让模型一拍脑袋出声音,而是让它把思考过程拆开、...

从Cursor Composer 2、开源Kimi-K2.5、Fireworks三角关系,我看懂了开源商业授权

这是开源行业最清晰、最具象、最深刻和传播影响最广泛的一次“商业授权”现场教学,这个案例可以载入经典。 这两天,美国知名 AI 公司 Cursor 发布的 Composer 2 模型被指基于中国 AI 公司月之暗面(Moonshot AI)开源模型 Kimi 2.5 开发,一度引发技术溯源争议。 双方很快公开澄清,证实这只是一场误会。(极其之快) 事件之所以传播甚广、影响颇大,复杂性在于其微妙地折射出中美 AI 竞争背景下技术中立边界的模糊性。中国开源模型正逐步渗透至美国头部企业的技术栈深处,显示出全球 AI 产业链的深度交叉依赖。这一案例也为中国 AI 从业者提供了重要启示:它证明了中国技术的全球竞争力,同时也照亮了开放协作与政治壁垒间的复杂张力。 正因有这些背景在,事件才显得沸沸扬扬。这些话题也是媒体在报导这件事情的时候深度剖析的,没问题,不过,本文要聊的是由这个事情引出来的另一个话题。 我关注到月之暗面的公开说明中有这么一句话,我图片中圈红框了:Cursor 通过 @FireworksAI_HQ 托管的RL和推理平台访问 Kimi-K2.5,这是授权商业合作伙伴关系的一部分。 简单...

相关文章

发表评论

资源下载

更多资源
优质分享App

优质分享App

近一个月的开发和优化,本站点的第一个app全新上线。该app采用极致压缩,本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

腾讯云软件源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题,腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构,目前腾讯云软件源站支持公网访问和内网访问。

Spring

Spring

Spring框架(Spring Framework)是由Rod Johnson于2002年提出的开源Java企业级应用框架,旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念,提供核心容器、应用上下文、数据访问集成等模块,支持整合Hibernate、Struts等第三方框架,其适用范围不仅限于服务器端开发,绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux

Rocky Linux(中文名:洛基)是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版,作为CentOS稳定版停止维护后与RHEL(Red Hat Enterprise Linux)完全兼容的开源替代方案,由社区拥有并管理,支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性,采用模块化包装和SELinux安全架构,默认包含GNOME桌面环境及XFS文件系统,支持十年生命周期更新。

用户登录
用户注册