https://www.youtube.com/watch?v=eHMVifFMq0Q 这部影片整理了 2026 年 1 月中旬多项重大的 AI 技术进展，涵盖了 AI 代理人、音讯 生成、3D 建模及影片生成等领域。以下是详细的简介： AI 代理人与电脑操作 Show UI Aloha：这是一个能透过观察人类录制的操作流程来学习任务的 AI 代理人 。它能学习如订机票、编辑试算表等复杂流程，并在之後自主完成类似任务，表现优於 UI TARS 与 Claude 3.5 Sonnet [01:25]。 Show UI Pi：专门优化「滑鼠平滑移动」的 AI，能执行以往 AI 难以达成的拖放动 作，甚至能解开滑动验证码（Slider Captchas）或在画小画家中签名 [09:53]。 音讯与音乐生成 HeartMula：全新的开源音乐生成器，能根据文字提示和歌词生成完整歌曲。它支 援多国语言（英文、中文、日文、韩文、西班牙文），在旋律一致性与音质上接近业界领 先的 Suno v5 [20:59]。 Nova SR：仅有 50KB 的极小音讯模型，能以超过即时速度 3,500 倍的效率提升音讯 音质，使其听起来更清晰 [03:37]。 极轻量 TTS (文字转语音)：仅有 1 亿参数的模型，延迟极低（200ms），可在一般 CPU（如 MacBook Air M4）上流畅运行，并支援语音复制与长文本阅读 [31:22]。 影片生成与 3D 技术 Verse Crafter (腾讯)：能从单张图片生成影片，并允许使用者在 3D 空间中精确控 制摄影机轨迹与物体移动路径 [05:28]。 Unish：能将单一段影片转换为包含人物与场景的 3D 模型，并预测人体的姿势与位 置 [08:38]。 Meta Shape R：将场景的照片或影片转换为精确的 3D 模型。不同於以往，它能将场 景中各个物件分离成独立模型，方便後续编辑 [19:11]。 Rigmo：自动化 3D 模型的「骨架绑定（Rigging）」过程，让静态 3D 模型能快速变 为可随意调整动作的动画模型 [30:05]。 Pixverse R1：即时影片生成世界模型，使用者可以一边观看连续串流影片，一边输 入指令即时改变影片内容或风格 [34:31]。 图片编辑与深度预测 Flux 2 Klein & Vibe：超快速的开源图片生成与编辑器。Vibe 模型仅需 4 秒即可 在高效能 GPU 上生成 2K 解析度图片，且在保持图片原始细节的编辑能力上表现出色 [14:03]。 AnyDepth：高保真度的深度预测模型，能精确推算影片或图片中的景深，解析度与准 确度皆超越以往模型 [11:53]。 这部影片展示了 AI 正在朝向更轻量化（可在个人设备运行）与更高精确度（如 3D 建模 与精准控制）的方向发展。 -- gemini3整理 Flux 2 Klein听说不错? --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 220.136.197.234 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/AI_Art/M.1768709310.A.715.html ※ 编辑: error405 (220.136.197.234 台湾), 01/18/2026 13:36:54