AI视觉生成

MiniMax联合华中科大开源VTP技术！仅优化视觉分词器，DiT生成性能飙升65.8%

MiniMax联合华中科大开源VTP技术！仅优化视觉分词器，DiT生成性能飙升65.8%

AI视觉生成领域迎来范式级突破。 MiniMax与华中科技大学近日联合开源其核心技术——VTP（Visual Tokenizer Pretraining，视觉分词器预训练），在不修改标准DiT(Diffusion Transformer)架构的前提下，仅通过优化视觉分词器(Visual Tokenizer)，即实现65.8%的端到端图像生成性能提升。这一成果颠覆了“唯有堆大模型才能提性能”的行业惯性，首次将视觉分词器推向前所未有的技术高度。

12/24/2025 9:46:41 AM AI在线

Higgsfield推出Speak功能:一键生成口型精准的数字人视频

Higgsfield推出Speak功能:一键生成口型精准的数字人视频

AI视觉生成平台 Higgsfield 再推重磅功能——“Speak”，为数字人内容创作者带来前所未有的便捷体验。用户只需三步:选择预设动作、上传自定义角色并输入语音文本，即可生成具备口型同步与自然动作的数字人视频。 Speak功能支持精确的口型同步技术，确保角色发音自然、对口，并配套 16种内置场景类型，涵盖访谈、讲解、广告、短剧等多样化内容风格，极大提升了创作自由度和内容质量。

6/6/2025 11:00:55 AM AI在线

资讯热榜

免费！让图片放大不失真的位图转矢量图神器 Tmttool AI应用新纪元：2025中国AI应用排行榜榜单揭晓丨2025年1月 6秒视频10秒生成！全新AI视频神器 Grok Imagine 深度体验+元提示词分享最火、最全的Agent记忆综述，NUS、人大、复旦、北大等联合出品后悔没早发现！教你用谷歌Gemini生成精美PPT（附提示词） GGUF 是什么？一文看懂大模型里最火的模型格式 Sora、可灵、即梦哪家强？AI视频软件深度测评！ Mac也能跑Qwen3，一文看懂本地部署qwen 3配置要求

标签云

AI 人工智能 OpenAI AIGC 模型 ChatGPT 谷歌 DeepSeek AI新词 AI绘画大模型机器人数据 Midjourney 开源 Meta 微软智能用户 GPT 学习英伟达 Gemini 智能体技术马斯克 Anthropic 图像 AI创作训练 LLM 论文 AI for Science 代码腾讯苹果算法 Agent Claude 芯片具身智能 Stable Diffusion xAI 蛋白质人形机器人开发者生成式神经网络机器学习 AI视频 3D 字节跳动大语言模型 RAG Sora 百度研究 GPU 生成华为工具 AGI 计算生成式AI AI设计大型语言模型搜索亚马逊 AI模型视频生成特斯拉 DeepMind 场景 Copilot 深度学习 Transformer 架构 MCP 编程视觉