माइक्रोसॉफ्ट ने हाल ही में AutoGen v0.4 संस्करण लॉन्च किया है, जो उसके AI एजेंटों के लिए एक समन्वय ढांचा है। यह अद्यतन AI एजेंटों की लचीलापन और नियंत्रण को बढ़ाने के उद्देश्य से तैयार किया गया है, ताकि उपयोगकर्ताओं की कार्यक्षमता विस्तार और अवलोकन क्षमताओं की जरूरतों को पूरा किया जा सके। AutoGen के लॉन्च के बाद से, डेवलपर्स का ध्यान इस पर रहा है, लेकिन उपयोगकर्ताओं ने कुछ आंतरिक सीमाओं, API की कम दक्षता और डिबगिंग एवं हस्तक्षेप कार्यक्षमता की कमी जैसी समस्याओं का सामना किया है। नए संस्करण में, माइक्रोसॉफ्ट ने ढांचे के मॉड्यूलर और विस्तारणीयता को बढ़ाने पर ध्यान केंद्रित किया है।

बीजिंग आइशि टेक्नोलॉजी कं., लिमिटेड ने घोषणा की है कि उसका नवीनतम वीडियो निर्माण बड़ा मॉडल पिक्सवर्स V3 वैश्विक स्तर पर सार्वजनिक लॉन्च किया गया है। इस संस्करण में आधारभूत मॉडल क्षमताओं में महत्वपूर्ण सुधार किया गया है, जो रचनात्मक टेम्पलेट्स, मुँह के लिप सिंक, कहानी को आगे बढ़ाने और स्टाइल ट्रांसफर जैसी मल्टी-मोडल निर्माण क्षमताओं और समृद्ध AI खेलों को प्रदान करता है।

हाल ही में, एक ओपन-सोर्स परियोजना जिसका नाम Ultralight-Digital-Human है, विकासकर्ता समुदाय में व्यापक ध्यान आकर्षित कर रही है। इस परियोजना ने मोबाइल पर डिजिटल मानव तकनीक के तैनाती की समस्या को सफलतापूर्वक हल किया है, जिससे सामान्य स्मार्टफोन पर डिजिटल मानव एप्लिकेशन को वास्तविक समय में चलाना संभव हो गया है, संबंधित तकनीक के प्रसार में नए अवसर प्रदान कर रहा है। यह अत्यंत हल्का डिजिटल मानव मॉडल नवाचारात्मक गहन शिक्षा तकनीक का उपयोग करता है, एल्गोरिदम ऑप्टिमाइजेशन और मॉडल संकुचन के माध्यम से, बड़े डिजिटल मानव प्रणाली को इस हद तक आकार में लाने में सफल रहा है कि इसे मोबाइल उपकरणों पर सुचारू रूप से चलाया जा सके। प्रणाली वास्तविक समय समर्थन करती है

बaidu AI ने हाल ही में एक नई सुविधा शुरू की है, जो उपयोगकर्ताओं को बaidu नेट पैन से फ़ाइलों को सीधे 文心 एक वाक्य प्लेटफ़ॉर्म पर आयात करने की अनुमति देती है। यह अपडेट उपयोगकर्ताओं के लिए फ़ाइल अपलोड और प्रबंधन की प्रक्रिया को सरल बनाता है, जिससे उपयोगकर्ता नेट पैन में स्टोर की गई विभिन्न दस्तावेजों को अधिक तेज़ी से एक्सेस और प्रोसेस कर सकते हैं।

D-ID ने हाल ही में AI Video Translate जारी किया, एक अभिनव AI वीडियो अनुवाद उपकरण, जो वीडियो सामग्री को कई भाषाओं में अनुवादित कर सकता है, वक्ता की आवाज़ को क्लोन कर सकता है, और लिप सिंक को समायोजित कर सकता है ताकि अनुवादित सामग्री और दृश्य एकदम मेल खाएं। यह उपकरण 29 भाषाओं के लिए बैच रेंडरिंग का समर्थन करता है और एक उपयोगकर्ता के अनुकूल इंटरफ़ेस प्रदान करता है, जिससे कोई भी इसे आसानी से उपयोग कर सकता है। D-ID इस तकनीक के माध्यम से ग्राहकों को वैश्विक स्तर पर मार्केटिंग, मनोरंजन और सोशल मीडिया गतिविधियों को बढ़ावा देने में मदद करता है, स्थानीयकरण की लागत को बचाता है। इस तकनीक की लॉन्चिंग छोटे निर्माताओं के लिए महत्वपूर्ण है।

PIKA ने लिप सिंकिंग फीचर पेश किया, अली ने वीडियो जनरेशन फ्रेमवर्क EMOEMO लॉन्च किया, जो किसी भी लंबाई के बोलते वीडियो उत्पन्न कर सकता है। AI वीडियो जनरेशन टूल प्रौद्योगिकी लगातार अनुकूलित हो रही है।