https://www.youtube.com/watch?v=hsQA5TSHZ7I 這部影片彙整了 2026 年 2 月最新、最具突破性的 AI 新聞，內容涵蓋了語言模型、多 媒體生成（音效、影像、音樂）以及人形機器人的最新進展。 以下是影片中各節點的簡要總結： 多媒體與音訊技術 (Audio & Video) SoulX Singer [00:55]：高品質的 AI 歌聲合成工具，只需幾秒鐘的參考音訊就能讓 任何人的聲音唱歌（如讓歐巴馬唱歌），支援翻唱與自創旋律。 Just Dub It [05:52]：自動影片配音與對嘴工具，能將影片翻譯成多國語言並調整 口型，使其看起來像是在說該語言。 Qwen Image 2.0 [08:01]：阿里巴巴發布的最新圖像生成模型，在處理複雜文字、圖 表及 2K 高解析度影像方面表現優異，且僅 7B 參數。 Mureka (Mora V8) [23:45]：頂級 AI 音樂生成平台，具備「音樂思維鏈」引擎，能 像人類作曲家一樣編排結構，並支援導出分軌。 DeepGen 1.0 [35:26]：強大的圖像生成與編輯模型，支援物體替換、風格轉換，甚 至能解決迷宮問題。 MOSS TTS [37:07]：高品質語音合成家族，支援聲音克隆（如 Elon Musk 聲音）、 即時對話及音效生成。 MioTTS [40:24]：極度輕量化的 TTS 模型（僅 0.1B 參數），針對英文與日文優化 ，聲音非常自然。 DuoGen [42:50]：NVIDIA 發布的序列圖像模型，能自動生成一致的教學步驟圖（如 烹飪教學）。 UniAudio 2.0 [44:45]：統一的音訊語言模型，集 TTS、音效生成、音樂生成於一身 。 大型語言模型 (LLM) GLM-5 [11:10]：智譜 AI 的最新開源模型，在推理、編碼及低幻覺率方面表現極佳 ，甚至超越部分閉源模型。 Minimax M2.5 [11:50]：主打極致成本效益與代理（Agent）能力，能一鍵處理複雜 的 Excel 財務分析、PPT 製作及網頁設計。 Gemini Deep Think [16:08]：Google 推出的推理增強模型，在 AGI 測試（如視覺 謎題）與數學奧林匹亞題中表現驚人，具備強大的新模式學習能力。 Nanbeige (南北閣) 4.1 [22:04]：極致小巧的 3B 參數開源模型，在科學知識測試 中表現優於許多大體積模型。 Titan o1 / GPT 5.3 Codex Spark [00:25:45 / 00:34:00]：OpenAI 的新款即時編 碼代理，優化了生成速度，能秒速完成小遊戲開發。 人形機器人進展 (Robotics) Titan o1 [25:45]：展示了透過 VR 與手套進行遠程操作（Teleoperation）的技術 。 Robotera L7 / AGIBOT [00:26:52 / 00:27:35]：展示了機器人進行劍舞、旋踢等高 難度武術動作，展現強大的動態平衡。 Unitree (宇樹科技) [28:25]：展示 G1 機器人在工廠組裝微小零件，強調其手指的 靈活性。 Tiangong (天工) [29:06]：表演了極具衝擊力的地板舞動作。 其他技術與工具 FreeFuse [19:30]：解決多個 Lora（風格/角色微調模型）混合時產生的圖像扭曲問 題，讓多角色生成更穩定。 Seedance 2.0 / Alive [00:29:24 / 00:30:05]：字節跳動推出的頂尖影片生成器， 支援複雜動作序列（如格鬥）與影音同步生成。 PicoClaw [32:27]：OpenClaw 的超高效替代方案，佔用記憶體減少 99%，啟動僅需 1 秒。 這部影片展示了 AI 正在從單純的聊天機器人，快速演進為能處理複雜工作流、模擬物理 世界並在現實工廠工作的全能助手。 -- Gemini3整理 標題的幾個前面有文了 MioTTS我知道 MossTTS晚點來看看 --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.36.224.81 (臺灣) ※ 文章網址: https://webptt.com/m.aspx?n=bbs/AI_Art/M.1771128733.A.28D.html