GitHub Spark 通过无代码的自然语言编辑器、托管运行环境和跨设备仪表盘，使用户能轻松创建、分享和定制个性化微应用“Spark”。借助AI支持，用户无需编写或部署代码即可创建个性化工具，大幅降低了软件开发的复杂度。

Meta发布了MovieGen，一款基于生成式AI的多模态模型，能通过文本输入生成高质量视频和音频。MovieGen不仅支持个性化视频生成，还能对现有视频进行精准编辑，提供高保真的音效生成能力。这一技术旨在为创作者提供更便捷的工具，打破传统创作门槛，释放更大的创意潜力。

NVIDIA推出MaskedMimic技术，打造了一种基于物理的统一控制器。该系统通过“掩码运动补全”，使虚拟角色能从部分输入（如关节位置、文本命令等）生成复杂动作，适应多种场景。无论是VR跟踪、路径导航，还是物体互动，MaskedMimic都能实现无缝过渡，为虚拟角色带来极高的交互和适应性。

Seed Music 是 Doubao 团队推出的一套音乐生成系统，能够生成高质量的多语言人声音乐，支持用户通过精细的音符级别调整创作音乐，还能整合用户自有声音进行个性化演唱。系统采用了自回归和扩散式方法结合的框架，兼具风格控制与编辑能力，并支持零样本唱歌转换，用户仅需提供10秒的声音即可实现个性化演唱。

GameGen-O是由腾讯和香港等地的科研团队共同开发的首个专为开放世界游戏生成设计的扩散变换模型。模型展示了AI在游戏开发中的巨大潜力，能够生成动态复杂的游戏场景，并提供多模态的交互控制。

Ref-AVS 是一项全新提出的任务，旨在通过自然语言中包含的多模态线索（如音频、视觉等）对视频中的目标进行精准分割。这种任务模仿了人类在现实世界中基于多模态信息识别和定位物体的能力，并通过创建首个Ref-AVS基准数据集进行实验验证，标志着音视场景理解的新进展。

AWPortrait-FL 是 Shakker Labs 推出的一个先进的AI图像生成模型，专注于高品质的肖像创作，结合了细腻的细节处理和丰富的文化元素。它不仅优化了面部特征的生成，还通过添加东方服饰等独特元素，提升了生成图像的艺术性和真实性。

Still-Moving开创了在没有定制视频数据的情况下进行定制视频生成的新时代。通过结合文本到图像（T2I）模型和文本到视频（T2V）模型，该方法利用少量静止图像参考，实现了个性化和风格化的视频生成。

NVIDIA的ChatRTX是一个强大的平台，旨在让定制大型语言模型的开发变得更加普及。通过利用RTX GPU的性能，ChatRTX提供了一个可扩展、高效和具有成本效益的解决方案，帮助企业充分利用AI的力量。无论是提升客户服务、改善医疗结果还是推动金融洞察，ChatRTX都提供了构建复杂AI模型所需的工具，适应特定行业需求。

字节跳动推出的SEED-TTS项目包括一系列大规模自回归文本到语音模型，这些模型能够生成几乎与人类语音无异的语音。在语音上下文学习方面，SEED-TTS表现尤为出色。通过微调，模型在主观评分中获得了更高的分数，表现出色。