说唱

成都三百多名“声音矿工”通过录制高质量四川话语料，为AI模型提供数据支持。参与者包括全职妈妈、语言教师等，以灵活就业形式获得收入与成就感。项目既满足AI对方言数据的迫切需求，也通过培训助力从业者向AIGC等内容创作领域进阶，重构了就业形态与个人价值。

阿里巴巴等机构研发的MACE-Dance系统，用户通过一张照片和一段音乐即可自动生成流畅逼真的舞蹈视频。系统分为两步：运动专家根据音乐生成三维舞蹈动作，外观专家将动作渲染到人物图像上。该方法解决了音画同步与画面稳定等难题，评测效果领先，支持动作编辑与多舞蹈风格，为个性化视频创。

苹果与伊利诺伊大学团队提出STARFlow2模型，基于自回归流与语言模型结构相同的洞察，采用Pretzel架构让图文生成共享同一套因果Transformer核心。通过垂直跳跃连接，模型在保持强大视觉理解能力的同时，实现了高质量的连续图像生成，并在多任务训练中提升了性能。

马里兰大学等机构提出AutoTTS框架，让AI自主设计推理策略以优化“测试时扩展”。该框架通过离线回放环境、单参数化约束等设计，仅用少量成本自动搜索出高效策略。实验表明，新策略在多项任务中能以更低计算量获得更高准确率，其复杂机制超出人工设计范畴，展现了AI自我改进的潜力。

研究团队提出Flow-OPD方案，解决AI图像生成多任务训练中的梯度干扰问题。该方法先训练多个专项模型作为“专科教师”，再通过在线蒸馏机制，让一个学生模型实时接受多位教师的轨迹级指导，并引入审美锚定防止质量下降。实验显示，该方法在多项指标上超越传统方法，平均提升约10个百分点，部分维度。