AI日報：快手推出AI視頻製作助手Kwali；字節跳動推出USO模型；OpenAI推出ChatGPT開發者模式

歡迎來到【AI日報】欄目!這裏是你每天探索人工智能世界的指南，每天我們爲你呈現AI領域的熱點內容，聚焦開發者，助你洞悉技術趨勢、瞭解創新AI產品應用。

新鮮AI產品點擊瞭解：https://app.aibase.com/zh

1、快手推出 AI 視頻製作助手 Kwali，輕鬆一語生成短視頻!

快手推出的 Kwali AI 視頻製作助手通過雲端多 Agent 框架，簡化了視頻製作流程。用戶只需輸入需求，Kwali 即可自動拆解賣點、受衆和情境標籤，並生成腳本、匹配鏡頭、剪輯合成，大幅提升了效率。

【AiBase提要:】

🌟 Kwali 是快手推出的 AI 視頻製作助手，幫助用戶快速生成高質量短視頻。

🎬 多 Agent 系統自動處理腳本、素材和剪輯，提升視頻製作效率。

💰 降低視頻製作成本，商家可以更快推向市場並提升資金回籠。

詳情鏈接:https://kc.kuaishou.com/kwali

2、字節跳動推出 USO 模型，打破 AI 圖像生成的 “風格與主題” 對立

字節跳動推出的 USO 模型成功解決了風格驅動和主題驅動圖像生成之間的矛盾，通過創新的訓練方式和龐大的數據集，提升了圖像生成的靈活性與精準度。該模型已全面開源，爲數字藝術和商業設計帶來了新的可能。

【AiBase提要:】

🎨 USO 模型打破了風格與主題的對立，實現了兩者的完美結合。

📊 USO 模型通過創新的訓練方式和龐大的數據集，提升了圖像生成的靈活性與精準度。

🌍 USO 已全面開源，鼓勵開發者探索其在創意內容和商業設計中的應用。

詳情鏈接:https://github.com/bytedance/USO

3、微軟推出全新 Copilot Audio音頻模式，體驗更具個性化的語音交互

微軟推出了全新的Copilot Audio音頻模式，該模式基於自主研發的MAI-Voice-1模型，提供情感、故事和腳本三種語音模式，以滿足不同場景下的表達需求。同時，該功能還提供了豐富的聲音和風格選擇，增強了用戶的交互體驗。此外，微軟通過推出MAI-1模型並將其集成到Office應用中，進一步推動了其在AI領域的獨立發展。

【AiBase提要:】

🎭 新增的Copilot Audio音頻模式支持情感、故事和腳本三種語音模式，滿足不同場景需求。

🎙️ 提供多種聲音和風格選擇，如莎士比亞朗讀和體育評論，增強交互趣味性。

🔍 微軟推出MAI-1模型並集成到Office應用中，顯示其在AI領域尋求獨立發展的決心。

詳情鏈接:https://copilot.microsoft.com/labs/audio-expression

4、Stability AI發佈 Stable Audio2.5，專業音頻生成技術再升級

Stability AI推出了最新音頻生成模型 Stable Audio2.5，該模型能夠快速生成高質量、可定製的音頻作品，支持複雜的音樂創作，並引入了音頻修補功能。同時，它與 WPP 合作，致力於提供一致的品牌音頻識別服務。

【AiBase提要:】

🎵 新模型 Stable Audio2.5 支持生成複雜的音樂作品，快速生成最長三分鐘的音軌。

🖌️ 引入音頻修補功能，用戶可以上傳音頻文件，讓 AI 完成或擴展錄音。

🤝 Stability AI 與 WPP 等大型客戶合作，致力於提供一致的品牌音頻識別服務。

5、阿聯酋推出全球最快開源 AI 模型 K2 Think，擁有 320 億個參數

K2Think 是由阿聯酋穆罕默德・本・扎耶德人工智能大學和 G42AI 聯合推出的一款開源大語言模型，以其 320 億參數和每秒 2000 個 tokens 的生成速度而聞名。它在複雜數學、編程和科學基準測試中表現出色，並採用了高效的推理設計，能夠在較少的計算資源下實現優秀性能。此外，K2Think 提供了完整的訓練數據、模型權重和部署基礎設施，支持商業應用，並被視爲阿聯酋在全球 AI 領域影響力增長的標誌。

【AiBase提要:】

🧠 K2Think 是阿聯酋推出的全球最快開源 AI 模型，擁有 320 億個參數。

⚡ 每秒可生成 2000 個 tokens，速度遠超其他模型。

🚀 該模型專注於複雜推理，設計上高效且開放，支持廣泛商業應用。

詳情鏈接:https://www.k2think.ai/guest

6、微信公衆號上線智能回覆功能：數字分身7*24小時陪聊

微信公衆號上線智能回覆功能，通過人工智能技術爲運營者提供高效、個性化的互動服務，提升了用戶體驗和公衆號的運營效率。

【AiBase提要:】

🤖 公衆號運營者可輕鬆開啓智能回覆功能，提升互動效率。

💡 數字分身能學習歷史文章和語言風格，提供個性化回覆。

🌐 智能回覆支持7*24小時在線，增強用戶黏性和互動體驗。

7、OpenAI推出ChatGPT開發者模式，首次支持AI直接控制外部工具

OpenAI推出的ChatGPT開發者模式標誌着AI助手從對話工具向自動化代理的重要轉型，支持AI直接控制外部工具，提升開發效率與安全性。

【AiBase提要:】

🧠 ChatGPT開發者模式首次支持AI直接控制外部工具，實現自動化代理功能。

🔧 開發者可創建自定義連接器，讓ChatGPT執行寫入操作和複雜任務。

🔒 功能加入多層安全防護措施，確保操作的準確性和安全性。

詳情鏈接:https://platform.openai.com/docs/mcp https://platform.openai.com/docs/guides/developer-mode

8、字節Seed推出全新 AgentGym-RL 框架:提升大規模語言模型的決策能力

文章介紹了字節跳動Seed研究團隊推出的AgentGym-RL框架，該框架專注於通過強化學習訓練大規模語言模型代理，使其能夠進行多輪互動決策。同時，他們還提出了一種名爲ScalingInter-RL的訓練方法，以優化代理的學習效果。實驗結果表明，AgentGym-RL框架在多個任務中表現優於商業模型，具有與頂尖專有大模型相當的能力。

【AiBase提要:】

🌐 AgentGym-RL 框架提供了一種新方法，旨在通過強化學習訓練大規模語言模型代理，提升其複雜任務的決策能力。

🔄 ScalingInter-RL 訓練方法通過階段性調整交互，幫助代理在訓練中實現有效的探索與利用平衡。

🏆 實驗結果顯示，AgentGym-RL 框架顯著提升了代理的表現，超越了多個商業模型，具備了與頂尖專有大模型相當的能力。

詳情鏈接:https://agentgym-rl.github.io/

9、重磅！月之暗面開源革命性中間件 “Checkpoint Engine”，爲 LLM 推理引擎帶來新生機！

月之暗面開源的 'Checkpoint Engine' 中間件，專爲大規模語言模型（LLM）推理引擎設計，實現了高效的原地熱更新。其性能卓越，可在20秒內完成1萬億參數模型的權重同步，並支持數千個GPU並行處理，顯著降低停機時間，提升訓練效率。

【AiBase提要:】

🚀 Checkpoint Engine 實現了LLM推理引擎中模型權重的高效實時更新。

⚡ 支持數千個GPU並行處理，大幅減少強化學習訓練中的停機時間。

🌐 開放設計便於未來擴展至其他框架，如SGLang，推動技術進步。

10、B 站開源文本轉語音模型IndexTTS-2.0，情感與時長可控

B站開源了其自主研發的文本轉語音系統IndexTTS-2.0，該系統具備情感可控和時長可調的特點，標誌着零樣本TTS技術的實用化邁出了重要一步。通過引入時間編碼機制和音色與情感解耦建模，提升了語音合成的自然性和表現力，並廣泛應用於AI配音、有聲讀物、視頻翻譯等多個場景。

【AiBase提要:】

🕒 引入時間編碼機制，提升語音時長控制精度。

🎭 音色與情感解耦建模，增強語音表現力。

🌍 支持全球內容出海，實現跨語言視頻本地化體驗。

詳情鏈接:https://huggingface.co/spaces/IndexTeam/IndexTTS-2-Demo

11、Replit推出更自主的Agent 3，自主性提高了10倍、編程效率飆升!

Replit推出的Agent3是一款具有更高自主性的智能編程助手，其在代碼生成、調試和項目管理方面的能力顯著提升，能夠根據用戶需求生成高質量代碼，並主動提供優化建議，從而提高開發效率。

【AiBase提要:】

🧠 Agent3能夠根據自然語言需求生成代碼，並主動分析項目上下文，提出優化建議。

⚙️ 支持多種編程語言，具備全流程輔助能力，包括代碼生成、調試和項目管理。

🚀 提升開發效率，減少重複工作，專注於創造性問題解決。

詳情鏈接:https://replit.com/agent3