AI Daily：阿里巴巴发布紧凑型 Qwen3-VL 模型；科大讯飞 AI 翻译耳机全球上市；Gemini 代码出现在 Veo3.1 --- AI Daily Alibaba Launches Compact Qwen3-VL Model; iFlytek AI Translation Earbuds Launch Globally; Gemini Code App --知识铺

欢迎来到“AI Daily”专栏！这是您每天探索人工智能世界的指南。每天，我们为您呈现 AI 领域的最新内容，聚焦开发者，帮助您了解技术趋势，学习创新的人工智能产品应用。

新鲜 AI 产品 点击了解更多 ：https://app.aibase.com/zh

1. 阿里巴巴发布紧凑型 Qwen3-VL 模型，推动边缘设备的多模态 AI 技术

阿里巴巴最近正式发布了其紧凑型 Qwen3-VL 视觉语言模型系列，包括 400 百万和 800 百万参数的变体。这款新模型的推出标志着在边缘设备上应用先进的多模态人工智能技术的重大进步，尤其是在资源受限的环境中。

AiBase 摘要：

💡 阿里巴巴的 Qwen3-VL 模型提供 400 百万和 800 百万参数的变体，适用于边缘设备和资源受限的环境。

💡 新模型在 STEM 推理、视觉问答、OCR 等方面表现出色，性能接近大型模型，展现出高参数效率。

💡 精简版模型优化了 VRAM 使用，使其能够在消费级硬件上运行，进一步推动了人工智能的普及和应用。

地址：https://huggingface.co/collections/Qwen/qwen3-vl-68d2a7c1b8a8afce4ebd2dbe

2. 荣耀 AI 翻译耳机全球发布，实时沟通无障碍！

科大讯飞全球发布了其 AI 翻译耳机，配备最新的升级版同声传译技术，支持 60 种语言的实时翻译，以及“声音克隆”等创新功能，旨在为全球用户提供更自然、流畅的跨语言沟通体验。

【AiBase 摘要：】

🚀 升级 AI 同声传译技术： 体验更自然的翻译，告别机械和碎片化的翻译感觉。

🗣️ 支持语音克隆： 用户可以让翻译结果以自己的声音宣布，相似度很高。

🌐 覆盖多种语言场景： 支持 60 种语言的实时翻译，电池续航可达 42 小时。

3. 笔记变成动画电影！谷歌笔记本 LM 整合图像 AI，帮助您创建视频

谷歌的人工智能研究助手 NotebookLM 已集成先进的图像生成模型 Nano Banana，使用户能够轻松将复杂的笔记和文档转换为带有动态插图和旁白的视频，显著提高学习和内容创作效率。

AiBase 摘要：

🖼️ 瞬间将笔记转换为视频：利用 Nano Banana 的功能自动生成文本的动态插图。

🎨 支持多种风格：可选择水彩画和动漫等六种视觉风格来生成视频。

⚡ 面向专业用户：该功能已开始向专业用户推出，以提升创作效率。

4. ChatGPT 发布重大更新：“特别内容”将从 12 月起向成年人开放！

OpenAI 宣布，从今年 12 月开始，ChatGPT 将推出年龄验证系统，允许经过验证的成年用户访问之前受限制的成人内容。它还将引入一个新功能，用于自定义机器人交互风格，标志着产品理念从过度谨慎转向差异化管理。

AiBase 总结：

🔓 内容限制将放宽：成人内容将从12月开始开放访问。

🆔 伴随验证机制：使用此功能必须通过年龄验证。

🤖 新增自定义样式：用户可以自定义机器人的交互和个性。

5. 谷歌的 Sora？Gemini 代码揭示 Veo3.1，视频生成即将升级！

在谷歌 Gemini AI 平台的代码中发现了 Veo3.1 视频生成模型的披露和针对美国用户的推广弹窗，这强烈暗示着这款支持更长视频时长和更高现实感的新模型即将发布，因为谷歌正在加快其在视频生成领域的追赶步伐。

AiBase 摘要：

💻 代码库泄露秘密：Veo3.1 的免责声明已经集成到 Gemini 的底层代码中。

⏱️ 支持更长的视频：新模型预计可以生成高达一分钟的具有高保真度的视频。

🌍 区域发布：该模型的推广即将完成，但可能首先在美国推出。

6. 埃隆·马斯克宣布：X 平台本周将推出算法更新，信息推送将完全转向 AI 推荐

埃隆·马斯克宣布，社交媒体平台 X 将在本周晚些时候推出算法更新，全面转向 AI 推荐，并将于下月切换到由其 AI 模型 Grok 驱动的 AI 推荐系统。该系统将每天评估超过 1 亿条内容，旨在为用户提供更准确、更个性化的信息推送体验。

AiBase 总结：

🔄 全力转向 AI 推荐：本周将发布一项算法更新，将信息流的改进完全归因于使用 Grok 等 AI 工具。

🧠 Grok 驱动核心系统：X 平台将于下个月全面切换到由 Grok 驱动的 AI 推荐系统，并将发布一个新的算法模型权重。

🎯 提升内容质量：每天将有超过 1 亿篇内容被 Grok 评估，以推荐最可能引起用户兴趣的内容。

7. 巨头网络与清华大学合作创建 DiaMoE-TTS，一个开源的多语言语音合成大型模型框架

巨人网络 AI 实验室与清华大学电子工程系 SATLab 联合发布并开源了开创性的多语言语音合成大型模型框架 DiaMoE-TTS，旨在解决现有方言 TTS 模型过度依赖大量专有数据的问题，推动方言语音合成技术的公平性和可及性，并支持中文（例如粤语、四川话、上海话）以及多种其他语言方言的合成。

AiBase 总结：

🤝 合作与开源：巨人网络 AI 实验室与清华大学电子工程系 SATLab 共同创建并宣布了 DiaMoE-TTS 框架的数据、代码和方法的全面开源。

🛠️ 解决行业痛点：DiaMoE-TTS 针对现有方言 TTS 过度依赖大量专有数据的问题，仅使用开源方言 ASR（自动语音识别）数据，提供更高的数据效率。

🌎 多语言可扩展性：在发布中文方言版本之前，该框架已在英语、法语、德语等多种语言中得到验证，展示了全球多语言的可扩展性。

8. vivo X200 系列升级计划揭晓！新功能将革新您的摄影体验

vivo 正式宣布了 X200 系列影像和相册功能的升级计划，将逐步引入“希区柯克变焦实时照片”和“舞台模式双视角录制”等创新摄影功能。

【AiBase 摘要：】

🛠️ 实时照片 AI 人群移除：允许用户选择并移除人群，同时保持动态照片的完整性。

🛠️ 4K 视频转实时照片：支持 4K 视频的时间剪辑、优化和裁剪，并以原始实时格式保存。

🛠️ 增强编辑体验：添加可逆编辑和 LOG 视频色彩恢复功能。

9. 字节跳动开源 FaceCLIP 模型：基于文本驱动的高保真面部生成技术现已可用

字节跳动已在 Hugging Face 平台开源了 FaceCLIP 模型。这是一个基于文本驱动的、高保真身份保留的面部生成视觉语言模型。用户可以通过提供参考面部图像和文本描述，生成保留原始身份特征的新面部图像，并根据文本描述调整表情、姿势和风格。

AiBase 总结：

🛠️ 面部身份保持生成：FaceCLIP 的核心优势在于能够根据文本提示生成面部图像，同时保持输入参考面部身份的一致性。

🛠️ 核心技术创新：该模型采用多模态编码策略，同时捕捉身份信息和文本语义，实现深度整合并消除传统的适配器模块。

🛠️ 版本和架构：提供基于 FaceCLIP-SDXL 和 FaceT5-FLUX 的两个主要版本，其中 FaceT5-FLUX 版本集成了 FaceT5 编码器，以增强文本到图像转换的准确性。