https://www.youtube.com/watch?v=eHMVifFMq0Q 這部影片整理了 2026 年 1 月中旬多項重大的 AI 技術進展，涵蓋了 AI 代理人、音訊 生成、3D 建模及影片生成等領域。以下是詳細的簡介： AI 代理人與電腦操作 Show UI Aloha：這是一個能透過觀察人類錄製的操作流程來學習任務的 AI 代理人 。它能學習如訂機票、編輯試算表等複雜流程，並在之後自主完成類似任務，表現優於 UI TARS 與 Claude 3.5 Sonnet [01:25]。 Show UI Pi：專門優化「滑鼠平滑移動」的 AI，能執行以往 AI 難以達成的拖放動 作，甚至能解開滑動驗證碼（Slider Captchas）或在畫小畫家中簽名 [09:53]。 音訊與音樂生成 HeartMula：全新的開源音樂生成器，能根據文字提示和歌詞生成完整歌曲。它支 援多國語言（英文、中文、日文、韓文、西班牙文），在旋律一致性與音質上接近業界領 先的 Suno v5 [20:59]。 Nova SR：僅有 50KB 的極小音訊模型，能以超過即時速度 3,500 倍的效率提升音訊 音質，使其聽起來更清晰 [03:37]。 極輕量 TTS (文字轉語音)：僅有 1 億參數的模型，延遲極低（200ms），可在一般 CPU（如 MacBook Air M4）上流暢運行，並支援語音複製與長文本閱讀 [31:22]。 影片生成與 3D 技術 Verse Crafter (騰訊)：能從單張圖片生成影片，並允許使用者在 3D 空間中精確控 制攝影機軌跡與物體移動路徑 [05:28]。 Unish：能將單一段影片轉換為包含人物與場景的 3D 模型，並預測人體的姿勢與位 置 [08:38]。 Meta Shape R：將場景的照片或影片轉換為精確的 3D 模型。不同於以往，它能將場 景中各個物件分離成獨立模型，方便後續編輯 [19:11]。 Rigmo：自動化 3D 模型的「骨架綁定（Rigging）」過程，讓靜態 3D 模型能快速變 為可隨意調整動作的動畫模型 [30:05]。 Pixverse R1：即時影片生成世界模型，使用者可以一邊觀看連續串流影片，一邊輸 入指令即時改變影片內容或風格 [34:31]。 圖片編輯與深度預測 Flux 2 Klein & Vibe：超快速的開源圖片生成與編輯器。Vibe 模型僅需 4 秒即可 在高效能 GPU 上生成 2K 解析度圖片，且在保持圖片原始細節的編輯能力上表現出色 [14:03]。 AnyDepth：高保真度的深度預測模型，能精確推算影片或圖片中的景深，解析度與準 確度皆超越以往模型 [11:53]。 這部影片展示了 AI 正在朝向更輕量化（可在個人設備運行）與更高精確度（如 3D 建模 與精準控制）的方向發展。 -- gemini3整理 Flux 2 Klein聽說不錯? --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 220.136.197.234 (臺灣) ※ 文章網址: https://webptt.com/m.aspx?n=bbs/AI_Art/M.1768709310.A.715.html ※ 編輯: error405 (220.136.197.234 臺灣), 01/18/2026 13:36:54