能够通过普通照片中街景自动定位实际位置的 AI 应用：Geospy
Geospy 是一款AI街景定位工具，上传普通照片即可自动识别拍摄地点，返回实时街景与地理信息。目前覆盖旧金山、纽约、孟菲斯、柏林、新加坡五城，适合旅行探索、地理考证与内容核查等场景。
开源音频生成（Text to Audio）模型：TANGOFLUX
TANGOFLUX 是一款开源可本地部署的文本生成音频模型，5.15亿参数，单块A40 GPU仅需3.7秒即可生成30秒/44.1kHz高质量音效。其创新CRPO方法能自动构建偏好数据，有效缓解TTA领域缺乏明确评价标准的难题，显著提升生成效果。
ZOO：解锁 AI 驱动的 CAD 设计新未来
ZOO 推出“文生 CAD”技术，支持用自然语言直接生成参数化 CAD 模型，首次将 AIGC 能力深度引入工程设计流程。无需建模经验，工程师和设计师可通过语义指令快速构建可编辑、可复用的工业级模型，现已开放体验。
Suno 推出音色转换功能
Suno 新增音色转换功能，可在不改变主旋律的前提下，将音乐从一种音色风格迁移至另一种，例如钢琴曲一键转为管弦乐版本，原理类似图像领域的AI风格迁移。
Rodin 1.5 通过同一物体不同角度的图片生成 3D 模型
Rodin 1.5 可基于同一物体的多角度照片生成高精度3D模型，显著提升表面细节还原度与几何准确性，适合需要快速建模的设计师和内容创作者。
2025 年 AI 智能体技术栈中的关键工具
2025年AI智能体技术栈日趋成熟：AutoGen与CrewAI支撑多智能体协作，BerriAI统一接入百余大模型；Firecrawl、Exa强化网页数据获取，Composio和Stripe拓展外部能力；Browserbase、Open Interpreter实现浏览器与终端操控；Mem0与Neon则分别优化长期记忆与RAG支持。
LTX Studio 实现 人物表情精细化控制
LTX Studio 新增人物表情精细化控制功能，支持8种预设表情及头部、嘴型、眼态、眉部的滑块调节，显著提升AI视频中角色表情的准确性与自然度；暂不支持该功能的工具（如可灵、海螺AI）可通过Reshot AI+首尾帧技术实现类似效果。
第十二天：OpenAI 推出全新 o3 模型，AI 推理能力迈向新高度
OpenAI 在“12 Days”收官日发布推理模型o3及轻量版o3 mini：编程（CodeForces Elo 2727）、数学（AMC准确率96.7%）与AGI基准ARC（87.5%）全面超越o1；首创“审议式对齐”提升安全性；o3 mini将于2024年1月底率先上线。
Text3D 一个用来制作高品质 3D 模型参考图像的 Gradio 应用
Text3D 是一款基于 Flux 模型的开源 Gradio 工具，无需本地部署，直接在 Hugging Face 上运行，可一键生成多角度、高细节的 3D 模型参考图，显著提升建模与纹理绘制效率，适合 3D 艺术师快速构思和验证设计。