亚马逊于4月30日推出“Join the chat”AI音频问答功能，由数字“AI购物专家”驱动，将商品详情页的“阅读模式”升级为“对话模式”，让用户通过语音实时获取信息，提升电商交互效率与自然度。
ComfyUI，一家由开源项目发展而来的AI初创公司，于4月24日宣布完成3000万美元融资，估值达5亿美元。本轮由Craft Ventures领投，Pace Capital等跟投。其核心产品是基于节点的工作流平台，通过模块化框架解决主流扩散模型在生成图像、视频、音频时缺乏精确控制的问题，让用户能精细调节生成过程的每一步，与Midjourney等提示词驱动的“老虎机”式工具形成对比。
Speechify发布原生Windows客户端，从文本转语音工具升级为全栈语音助手。应用集成三类本地AI模型，支持跨应用实时听写与文档转录，对标Superwhisper等竞品。为保障响应速度与隐私，在Copilot+ PC等高性能设备上支持完全本地化运行，用户无需上传音频至云端，即可利用本地NPU或GPU驱动的Whisper模型。
昆仑万维开源视频生成大模型SkyReels-V3，实现参考图像转视频、视频延长及音频驱动虚拟形象三大功能集成。该模型支持1至4张参考图输入，能精准保留主体身份与构图，推动视频生成技术进入高保真、多模态新阶段。
VeoOmni由谷歌AI驱动，可从文本或图像生成1080p电影级视频并同步音频。
由Google Gemini Omni驱动，可从文本或图像生成带同步音频的1080p视频。
一款由字节跳动推出的 AI 视频生成器，支持多镜头叙事。
AI驱动的视频生成器，可从文本、图像生成2K视频，角色一致、音频同步
Google
$0.49
Input tokens/M
$2.1
Output tokens/M
1k
Context Length
$17.5
Alibaba
-
$15.8
$12.7
64
Baidu
Bytedance
$3.5
$12
128
$2.4
8
$140
$280
32
$6
$6.4
Openai
$14
$56
200
$1
$70
2.1k
$210
$420
Alissonerdx
HuMo是一个统一的、以人为中心的视频生成框架，能够根据文本、图像和音频等多模态输入，生成高质量、细粒度且可控的人类视频。它支持强大的文本提示跟随、一致的主体保留以及同步的音频驱动运动。
VeryAladeen
HuMo是一个以人为中心的视频生成框架，能够利用文本、图像和音频等多模态输入生成高质量、细粒度且可控的人类视频，支持文本提示跟随、主体保留和音频驱动运动同步。
Wan-AI
Wan2.2-S2V-14B是一个专为音频驱动的电影级视频生成而设计的混合专家（MoE）模型。它能够根据输入的音频、参考图像和文本提示生成高质量的视频内容，支持480P和720P分辨率，并具备复杂运动生成和电影级美学效果。
jdh-algo
JoyVASA是一种基于扩散模型的音频驱动面部动画生成方法，能够生成面部动态和头部运动，支持多语言输入。
JoyHallo是一个专注于普通话的音频驱动人脸动画生成模型，能够根据普通话语音生成逼真的面部动画。
一个生产就绪的MCP服务器，通过Strudel.cc实现AI驱动的音乐生成，提供完整的浏览器自动化控制、实时音频分析和模式生成功能
Transcribe MCP是一个AI驱动的自动化转录工具，支持快速高质量的多语言音频转文字，提供本地和云端服务，并可与多种AI助手集成。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
