Meta 最近发布了一项全新的基准测试，名为 Multi-IF，旨在评估大语言模型（LLM）在多轮对话和多语言环境下的指令遵循能力。这一基准覆盖了八种语言，包含4501个三轮对话任务，重点探讨了当前模型在复杂多轮和多语言场景中的表现。在现有的评估标准中，大多数集中于单轮对话和单语言任务，难以全面反映模型在实际应用中的表现。而 Multi-IF 的推出正是为了填补这一空白。研究团队通过将单轮指令扩展为多轮指令，生成了复杂的对话场景，并确保每一轮指令在逻辑上连贯、递进。此外，

DeepL 作为全球语言人工智能的领导者，近日推出了全新的实时语音翻译工具 ——DeepL Voice，旨在促进不同语言之间的无缝沟通。DeepL 的估值已达到20亿美元，其在企业和个人语言解决方案方面的领导地位不容小觑。DeepL Voice 是该公司首款专注于语音翻译的产品，超越了其著名的文本翻译服务，能够实时翻译，实现面对面或虚拟场景下的多语言互动。该工具支持多种语言，包括英语、德语、日语、韩语、法语、西班牙语等，并提供 DeepL 翻译支持的所有33种语言的字幕。借助这些功能，DeepL Voi

法国人工智能新秀Mistral AI于近日推出全新内容审核API服务，这一举措不仅彰显了其在全球AI领域的雄心，更体现了对AI安全治理的深度思考。这款基于Ministral8B模型打造的审核系统，能够精准识别九大类潜在有害内容，包括性内容、仇恨言论、暴力、危险活动以及个人身份信息等。值得关注的是，该API支持11种主要语言，涵盖阿拉伯语、中文、英语、法语等，这一多语言处理能力让Mistral在全球AI内容审核市场占据了独特优势。目前，该服务已率先在Mistral自家的Le Chat平台上线应用。图源备注

法国人工智能初创公司 Mistral AI 近日正式推出了一款全新的内容审核 API，旨在与 OpenAI 及其他行业领军者展开竞争，同时应对日益增长的 AI 安全与内容过滤问题。这项服务基于 Mistral 的 Ministral8B 模型，经过精细调优，能够在九个不同类别中检测潜在的有害内容，包括色情内容、仇恨言论、暴力行为、危险活动以及个人可识别信息等。该 API 同时具备对原始文本和对话内容的分析能力。Mistral AI 在发布会上强调，“安全性在使 AI 变得有用方面扮演着关键角色。” 他们认为，系统级的安全防

苹果公司宣布，正在扩大其人工智能服务Apple Intelligence的语言支持范围，计划在2025年4月通过软件更新增加对中文等更多语言的支持。目前，Apple Intelligence的首批功能已经以免费软件更新的形式，随iOS18.1、iPadOS18.1和macOS Sequoia15.1提供给全球部分国家和地区的用户，但需要将设备语言和Siri语言设置为美国英语。

近日，Cohere 宣布推出两款新的开源 AI 模型，旨在通过其 Aya 项目缩小基础模型的语言差距。这两款新模型名为 Aya Expanse8B 和35B，现已在 Hugging Face 上提供使用。这两个模型的推出，让23种语言的 AI 性能得到了显著提升。Cohere 在其博客中表示，8B 参数模型让全球研究人员能更轻松地获得突破，而32B 参数模型则提供了业界领先的多语言能力。Aya 项目的目标是扩展更多非英语语言的基础模型访问。在此之前，Cohere 的研究部门去年启动了 Aya 计划，并在2月份发布了 Aya101大语言模型（LLM），这款

近日，FunASR推出了一款功能强大的多语言离线文件转录软件包，为用户提供了高效、精准的语音转文本解决方案。这款软件包的核心优势在于其离线文件转录能力。它能够轻松处理长达数小时的音频或视频文件，并生成带有标点符号的转录文本。这一功能对于需要处理大量音频材料的专业人士来说，无疑是一大福音。FunASR的多语言支持也令人印象深刻。目前，该软件包已经支持中文、英语、日语、粤语和韩语等多种语言，展现了卓越的语音识别能力。更值得一提的是，它还能提供词级时间

近日，OpenAI 推出了一个重磅的多语言数据集，旨在评估人工智能在14种语言中的表现，包括阿拉伯语、德语、斯瓦希里语、孟加拉语和约鲁巴语。这项名为 “多语言大规模多任务语言理解”（MMMLU）数据集，已在开放数据平台 Hugging Face 上发布，标志着 OpenAI 在全球 AI 领域的又一重要进展。数据集入口:https://huggingface.co/datasets/openai/MMMLU之前的 “大规模多任务语言理解”（MMLU）数据集仅针对英语进行评估，覆盖了数学、法律、计算机科学等57个学科。而新发布的 MMMLU 数据集则把目光放在了多

Fish Speech1.4版本的发布标志着这款开源文本转语音（TTS）模型在多语言支持和性能方面取得了重大突破。作为一个致力于提供高质量、自然流畅语音合成体验的创新解决方案，Fish Speech在这次更新中展现了其强大的技术实力和广阔的应用前景。多语言支持大幅提升Fish Speech1.4最引人注目的特点是其强大的多语言支持能力:训练数据量翻倍:模型使用了70万小时的多语言数据进行训练，较之前的20万小时有了显著提升。这意味着模型能够学习到更多语言的细微差别和表达方式。语言支持扩展:现在支

​阿里巴巴达摩院的通义千问团队在2024年8月30日宣布了其最新成果——Qwen2-VL模型的重大更新。Qwen2-VL模型在图像理解、视频处理和多语言支持方面均实现了显著提升，为关键性能指标设定了新的基准。

​北京智谱华章科技有限公司近期宣布，将旗下GLM-4-Flash大型语言模型的API接口免费向公众开放，以推动大型模型技术的普及和应用。GLM-4-Flash模型在速度和性能上都展现出显著的优势，特别是在推理速度方面，通过采用自适应权重量化、并行处理技术、

摩尔线程宣布开源其音频理解大模型MooER，成为首个基于国产全功能GPU的大型开源语音模型。MooER支持中英文语音识别与翻译，采用三部分模型结构，展现强大多语言处理能力。已开源推理代码与5000小时数据训练的模型，计划进一步开源训练代码与8万小时数据训练的增强版。在对比测试中，MooER-5K表现出色，中文CER为4.21%，英文WER为17.98%，特别是在Covost2zh2en测试集上，BLEU分数高达25.2，领先其他开源模型。基于8万小时数据训练的MooER-80k模型，中文CER降至3.50%，英文WER优化到12.66%，显示了巨大性能提升潜力。此次开源不仅展示了国产GPU在AI领域的应用实力，也为全球音频AI技术发展注入活力，期待MooER在语音识别、翻译等领域带来更多创新突破。

微软发布三款新AI模型，旨在多语言和多模态领域增强其领先地位。Phi-3.5Mini Instruct轻量级模型，适合指令执行、代码生成和逻辑推理，特别在多语言和多轮对话中表现出色。Phi-3.5MoE混合专家模型，参数丰富，支持多种推理任务，特别是在代码、数学和多语言理解上超越同类模型。Phi-3.5Vision Instruct集成了文本和图像处理能力，适用于图像理解、光学字符识别等复杂多帧视觉任务。这三款模型均采用MIT开源许可证，提供给开发者自由使用、修改和分发，体现了微软对开源社区的支持。

Linly-Dubbing是一个开源AI工具，专为视频多语言配音和翻译设计，简化视频本地化流程。用户只需上传视频，工具即可自动下载、翻译、配音并生成字幕，支持多种语言。其AI识别与翻译能力强大，与GPT等模型合作，确保翻译质量高且自然流畅。特别突出的是声音克隆技术，能生成与原配音高度相似的声音，确保口型与语音同步，提高视频观赏体验。该工具适合国际教育和全球娱乐内容本地化，为用户提供高度定制化服务，目前项目正在持续优化中。

Eleven Labs推出全托管AI自动配音服务，为内容创作者和企业解决跨语言传播难题。该服务支持多语言自动翻译和配音，包括西班牙语、印地语、法语、葡萄牙语、德语、阿拉伯语和波兰语等，以保持原声的音调、音色和说话风格，增强内容的真实感和亲和力。通过专业配音员验证环节，确保翻译质量。服务支持不超过10个说话者，平均完成时间为7天，紧急情况可提供当天服务。然而，唇形同步在某些情况下仍需改进。此服务简化了跨语言内容制作流程，降低了成本，对YouTuber、影视制作公司、教育机构等具有重要价值。

智源研究院最近发布了三款新的向量模型，这些模型在向量检索任务中表现出色，并刷新了多个评测基准的最佳水平。这三款模型分别是:BGE-EN-ICL:一个英文向量模型，通过引入任务相关的查询-文档示例作为少量示例，增强了模型的语义表达能力。

谷歌对AI聊天机器人Gemini进行大规模升级，以增强性能、扩大语言支持和覆盖范围。Gemini1.5Flash版本在40种语言和230个国家/地区提供支持，质量与响应速度显著提升，尤其在推理和图像理解方面。此次升级包括32,000个标记的上下文窗口扩展，支持文件上传功能，以及在生成的答案下方显示相关网页链接以提高透明度。Gemini功能将扩展至更多应用领域，如集成到Messages应用，面向欧洲经济区、英国和瑞士的手机应用推广，以及全球范围内的青少年开放使用，同时提供专门的AI素养指南。

Cloudflare近日宣布，作为Meta公司的首批合作伙伴之一，他们已在Workers AI平台上线了Meta最新发布的Llama3.18B模型。这一举措使得开发者能够在模型发布的第一天就开始使用这一先进的AI工具。

清华大学知识工程组与数据挖掘团队新推出CodeGeeX4-ALL-9B，作为CodeGeeX系列的最新成果，其在多语言代码生成领域达到巅峰，重新定义自动化编码性能与效率标准。基于GLM-4-9B框架，经过广泛训练的它拥有9.4亿参数，超越同类模型，擅长代码生成、补全与解释，展现优异推理速度与整体性能。适应能力极强，涵盖了软件开发全方面需求，提供仓库级别的代码问答功能，助力开发者与代码库交互更为直观高效。基准测试显示在BigCodeBench和NaturalCodeBench上的优越表现，确认了其在真实应用中强大的可靠性和创新能力。以用户为中心的设计使其易于集成各种版本的transformers库，兼容GPU与CPU，确保不同计算环境的灵活性与广泛性采用。CodeGeeX4-ALL-9B可通过其推理过程，根据用户输入生成精准、可操作的代码输出，优化开发流程，尤其对于复杂算法和自动化编码任务极具价值。这一利器标志着代码生成领域的重要进步，将极大地提升软件开发的效率与创新。

RTranslator 是一款（几乎）开源、免费和离线的实时翻译应用，可在离线安卓手机上使用。用户可以通过该应用与其他使用该应用的手机进行连接，配合蓝牙耳机，实现即时对话翻译。此外，还提供了对讲模式和文本翻译模式，满足不同使用场景下的翻译需求。