5月16日·阶跃星辰与光影焕像联合发布开源3D生成引擎Step1X-3D

5月16日·周五  AI工具和资源推荐

阶跃星辰与光影焕像联合发布开源3D生成引擎Step1X-3D

阶跃星辰与光影焕像联合推出了超强3D生成引擎Step1X-3D，并开源其全链路训练代码。该模型参数量达48亿，采用先进的3D原生架构，能够生成高保真、可控的3D内容。Step1X-3D不仅在视觉效果上追求“好看”，更注重“好用”与“可控”，适用于游戏娱乐、影视动画制作、工业设计等多领域。团队对超过500万原始数据进行筛选处理，建立了200万高质量训练样本库，通过增强型技术提升模型的泛化能力和细节捕捉力。其几何生成采用混合VAE-DiT架构，纹理生成则基于深度定制的SD-XL模型，确保生成内容的精准性与一致性。用户还可通过2D控制技术对生成的3D资产进行精细调控。Step1X-3D的开源为3D生成社区带来了强大助力。来源：微信公众号【新智元】

统一多模态模型BLIP3-o发布，革新图像生成与理解

Salesforce Research联合多所高校推出开源的统一多模态模型BLIP3-o。该模型采用“先理解后生成”的策略，结合自回归与扩散架构，创新性地使用CLIP特征和Flow Matching训练方法，显著提升了图像生成的质量与多样性。BLIP3-o通过CLIP对图像进行编码，生成部分则由自回归模型生成中间视觉特征作为DiT的输入，最终实现高质量的图像重建。在多个评测中，BLIP3-o表现优异，特别是在提示对齐和图像美学方面。其开源数据集和模型代码为多模态研究提供了有力支持，也为图像编辑、视觉对话等任务带来了新的可能性。来源：微信公众号【机器之心】

Manus生图功能上线，一站式设计与建站免费体验

Manus推出图像生成功能，用户可全面注册并获赠1000积分体验。Manus不仅能生成图像，还能理解用户意图并规划解决方案，高效调用工具完成任务。机器之心测试显示，Manus生成的图像符合要求，细节处理出色，如设计的CoLe饮料瓶贴合品牌定位。此外，Manus还能将用户创作转化为网站并部署，尽管部署速度稍慢，但整体功能强大。用户反馈其图像生成效果良好，但部分任务运行时间较长。Manus的生图功能为设计和建站提供了一站式解决方案，值得尝试。来源：微信公众号【机器之心】

谷歌LightLab：用扩散模型实现电影级光影控制

谷歌推出LightLab项目，通过扩散模型实现对单张图像中光影的精准控制。用户可以调节光源强度、颜色，甚至插入虚拟光源。该技术结合真实照片和合成图像构建数据集，利用光的线性特性分离目标光源和环境光，训练模型以实现逼真的光影效果。LightLab不仅支持光强度和颜色的参数化控制，还能添加虚拟点光源和调节环境光，为图像编辑和影视制作提供了强大的工具。实验表明，该方法在跨域泛化和细粒度控制方面优于现有技术，为光影编辑带来了新的突破。来源：微信公众号【机器之心】

国产大模型MiniMax Speech-02拿下全球双料第一，语音生成技术突破

国产大模型MiniMax最新发布的Speech-02在语音生成领域取得重大突破，一举拿下Artificial Analysis Speech Arena和Hugging Face TTS Arena两项全球权威语音基准测评的第一名，成为榜单前十中唯一的国产玩家。Speech-02展现了极高的语音合成能力，能够实现超拟人、个性化和多样化的语音生成。它支持32种语言，具备强大的音色复刻能力，仅需几秒语音参考即可完成逼真的音色模仿，并支持情绪调整和跨语言生成。技术上，Speech-02采用基于自回归Transformer的架构和Flow-VAE模型，显著提升了语音质量和说话者相似性。此外，MiniMax在商业化落地方面也取得了显著成果，与教育、智能硬件、汽车等多个行业合作，推动AI语音技术的广泛应用。来源：微信公众号【量子位】