Audio-Omni：首个统一音频生成与编辑的多模态框架

深度2026年4月12日34 分钟阅读

最有趣的发现是Audio-Omni不仅统一了音频生成与编辑，还展现出知识增强推理生成、上下文生成和零样本跨语言控制等继承能力。计算机视觉、音频处理和人工智能领域的研究人员应该阅读本文，特别是关注多模态模型和生成式AI的研究者。

觉得有用？分享给更多人

获取每周 AI 工具精选

工具推荐、实战教程和生态洞察，每周更新。

Unweight 是 Cloudflare 开发的 LLM 权重无损压缩系统，通过 Huffman 编码压缩指数字节，在 H100 GPU 上实现 15-22% 的模型体积缩减。系统提供四种执行流水线，根据工作负载动态选择最优解压策略，减少内存带宽压力，提升推理效率。

深度·4月17日·8 分钟

Claude Opus 4.7 在 SWE-Bench Pro 等多项编码基准测试中提升显著，最高达 11 分。模型支持高达 2576 像素的长边图像输入，视觉能力大幅增强。尽管新分词器可能导致 token 使用量增加 35%，但推理效率的提升使整体 token 成本仍可能下降一半。

深度Latent Space·4月17日·4 分钟

相关文章