Spark TTS: En ny, åpen kildekode-basert stemmekloner som kan gjenskape stemmer med bare sekunders opptak. Teknologien leverer svært naturlig tale med riktige pauser, pust, og uttrykksfullhet, og fungerer både på engelsk og kinesisk.

Se denne videoen og hør «meg» snakke om skepsis til bruk av KI. Lyden er laget med Spark TTS basert på et kort lydklipp av stemmen min.

Hunyuan Image-to-Video: Tencent har lansert en AI-modell som kan generere imponerende realistiske videoer fra ett eller flere bilder, noe som gjør avanserte animasjoner tilgjengelige også på vanlige datamaskiner med mindre VRAM.

Notagen AI: Et kraftig verktøy som komponerer original klassisk musikk, inkludert for orkester og kor, basert på læring fra 1,6 millioner musikkstykker. AI-en skaper avansert og realistisk noter og partitur.

DiffRhythm: En ny åpen kildekode-basert AI-musikkgenerator som kloner musikkstil med imponerende realisme, inkludert vokal og instrumenter.

Diffusion Self-Distillation: En AI-teknologi som lar brukere gjenskape spesifikke objekter og personer fra bilder, noe som er nyttig for produktfotografering og kreative prosjekter.

QwQ 32B: En kraftig, liten AI-modell fra Alibaba som scorer høyt på logisk resonnering og matematikk, og som utfordrer større modeller som DeepSeek R1.

Babel Multilingual AI: Alibabas nye AI-modell støtter mer enn 25 språk og overgår konkurrerende modeller på flerspråklige oppgaver, og er egnet for både store og små datamaskiner.

GPT-4.5 og Grok 3: OpenAI og Elon Musks xAI konkurrerer tett med nye chatbot-modeller, hvor Grok 3 nå topper brukerpreferanser foran GPT-4.5.

Unitree og Reflex Robotics: To selskaper viser imponerende humanoide robotdemonstrasjoner med avansert mobilitet og funksjonalitet innen logistikk og lagerhåndtering.