阿里通义大模型家族再添新成员，Qwen2系列新增音频语言模型Qwen2-Audio，可直接进行语音问答。通义团队还发布了新的音频理解模型测评基准，相关研究已入选ACL 2024国际会议。

Spikes Studio是一款专为内容创作者设计的AI视频剪辑工具，可将长视频转化为适合YouTube、Twitch、TikTok和Instagram Reels等平台的短视频。该工具具备自动生成字幕、标题、标签等功能，大幅简化视频编辑过程。

AutoStudio，一个无训练多代理框架。它利用基于大型语言模型（LLMs）和稳定扩散（Stable Diffusion, SD）的代理，能够在多个回合的用户互动中生成连贯且多样的图像。

在纽约峰会上，亚马逊云科技发布了由生成式AI驱动的Amazon App Studio，助力用户通过自然语言快速创建企业级应用程序。预览版现已在美国西部区域上线。

阿里巴巴集团旗下的通义实验室通过其FunAudioLLM项目，致力于提升人与大型语言模型（LLMs）之间的自然语音交互体验。FunAudioLLM由两大核心模型组成：SenseVoice和CosyVoice，分别专注于语音理解和语音生成，为多种应用场景提供强大的技术支持。

虹软PhotoStudio AI（PSAI）近日入驻抖店服务市场，为电商提供AI图像生成及商品图优化服务，显著提高商品展示效率，降低拍摄成本。此外，PSAI的AIGC视频生成功能也在阿里1688平台上线，为商家提供新的营销工具，进一步提升商品竞争力和品牌影响力。

AudioSeal是一种专为自然或合成语音嵌入水印而设计的技术，能够在经过各种音频编辑后检测这些水印。AudioSeal的主要组件包括一个用于嵌入水印的生成器和一个用于检测水印的检测器。其卓越的鲁棒性和检测速度使其在大规模和实时应用中尤为适用。

Udio的AI音乐生成平台，用户只需输入简单的文本描述，AI即可根据这些描述创作出风格多样的音乐。无论是流行、爵士、电子音乐还是古典音乐，Udio的智能系统都能够捕捉用户的创意意图，并转化为高质量的音乐作品。

Wonder Studio，由Wonder Dynamics开发，是一个突破性的AI平台，旨在为电影和电视制作人提供前所未有的视觉效果（VFX）创作能力。

Stability AI最近发布了其音频生成模型Stable Audio的升级版2.0，此版本带来了革命性的变化，包括允许用户上传自己的音频样本并创造个性化AI生成歌曲的能力。