● 子曰 4 TTS 多语言克隆效果实测，支持 14 种语言

📌 一句话摘要 作者实测子曰 4 TTS 引擎，用中文克隆声音后合成英文、日语、法语、德语语音，效果自然。 📝 详细摘要 作为上一条推文的补充，该推文展示了作者对子曰 4 TTS 引擎的进一步测试。作者用中文克隆声音后，将经典电影台词翻译成英文、日语、法语、德语并合成语音，认为声音自然、情绪传递

● 今日开源（2026-5-22）：腾讯混元 Hy-MT2 正式开源，快思考多语言翻译模型系列，1.8B/7B/30B-A3B 三尺寸覆盖 33 种语言互译

📌 一句话摘要 今日开源项目汇总：腾讯混元发布多语言翻译模型 Hy-MT2 系列，另有视觉语言动作模型、AI Agent 治理工具包等多个项目开源。 📝 详细摘要 本文是机器之心 SOTA 模型频道发布的每日开源项目汇总，涵盖 7 个开源项目。重点包括：腾讯混元推出的 Hy-MT2 多语言翻译模

● 腾讯混元开源全新翻译模型 Hy-MT2，三尺寸覆盖 33 语种翻译

📌 一句话摘要 腾讯混元开源 Hy-MT2 翻译模型家族，提供 1.8B、7B、30B-A3B 三个尺寸，覆盖 33 种语言，在通用和专业翻译任务上达到开源 SoTA，并支持 1.25-bit 极端量化部署。 📝 详细摘要 腾讯混元于 5 月 21 日宣布开源全新翻译模型 Hy-MT2，并同步上

● Cohere 开源 Command A+，218B 参数，Apache 2.0 协议

📌 一句话摘要 Cohere 开源了 218B 总参数、25B 激活参数的 Command A+ 模型，采用 Apache 2.0 协议，支持商用，多语言能力优秀。 📝 详细摘要 该推文报道了 Cohere 开源其 Command A+ 模型的消息。该模型总参数量为 218B，激活参数为 25B

● 腾讯混元全新翻译模型 Hy-MT2 开源，小程序「腾讯 Hy 翻译」开放体验

📌 一句话摘要 腾讯混元开源新一代翻译模型 Hy-MT2，支持 33 种语言互译，7B 和 30B-A3B 模型达到开源最佳效果，1.8B 模型超越主流商业 API，并推出同名小程序和 APP。 📝 详细摘要 腾讯混元正式开源新一代翻译模型 Hy-MT2，包含 1.8B、7B 和 30B-A3B

● 腾讯混元开源全新翻译模型 Hy-MT2 ，上线小程序「腾讯 Hy 翻译」

📌 一句话摘要 腾讯混元开源全新翻译模型 Hy-MT2，包含 1.8B、7B 和 30B-A3B 三个尺寸，在多项翻译任务上达到开源最佳效果，并同步上线了基于该模型的「腾讯 Hy 翻译」小程序，支持离线翻译和自定义翻译风格。 📝 详细摘要 腾讯混元于 5 月 21 日宣布开源新一代翻译模型 Hy

● Cursor 设计模式的语言一致性建议

📌 一句话摘要 宝玉指出 Cursor 的「Plan New Idea」功能存在语言不一致问题：中文提示词生成的设计文档却是英文，建议设计文档语言默认与提示词语言保持一致。 📝 详细摘要 这条推文提出了 Cursor 设计模式功能的一个细节问题。作者在使用「Plan New Idea」功能时发现

● 超 600 种语言，一个模型全搞定! 小米开源 OmniVoice 多语言语音克隆 TTS

📌 一句话摘要 小米 AI 实验室开源 OmniVoice，一个基于极简双向 Transformer 架构、覆盖 646 种语言、性能超越商用系统的多语言语音克隆 TTS 模型。 📝 详细摘要 小米 AI 实验室 Kaldi 团队推出并全面开源了 OmniVoice，这是一个创新的多语言语音克隆

● ChatGPT Images 2.0 全面发布：支持复杂指令与多语言文字

📌 一句话摘要 OpenAI 发布 ChatGPT Images 2.0，显著提升了复杂构图、多语言文字渲染及「思维模式」下的生图能力。 📝 详细摘要 推文详细总结了 OpenAI 最新发布的 ChatGPT Images 2.0 的核心升级点：1. 增强了对复杂指令的理解，尤其是 UI 界面和

● 敢不敢用家乡话测试这个 AI？

📌 一句话摘要 通义实验室发布 Fun-ASR 1.5 语音识别大模型，实现了方言识别从‘听得清’到‘工业级可用’的突破，单模型覆盖 30 种语言及汉语七大方言体系，并优化了古诗词识别与文本规范化输出。 📝 详细摘要 文章介绍了通义实验室最新发布的 Fun-ASR 1.5 语音识别大模型。该模型

● 实验表明：多语言大模型的“脑子”本质上是英语的

📌 一句话摘要 作者引用他人研究指出，多语言大模型的关键决策发生在接近英语的表示空间，推翻了其“语言中立”的假设。 📝 详细摘要 这条推文引用并评论了另一条关于多语言大模型内部机制的推文。作者原本认为大模型是“语言中立的脑子”，但引用的实验证据表明，多语 LLM 在处理不同语言时，其核心的推理和

● 有关 AI 中文翻译腔的论文支持

📌 一句话摘要 宝玉转发了一条评论，指出关于 AI 生成中文翻译腔的问题有学术论文支持。 📝 详细摘要 这条推文是宝玉在之前关于 AI 中文翻译腔讨论的回复线程中，转发了一条其他用户的评论。该评论指出，多语言 LLM 在处理非英语输入输出时，其关键决策往往发生在最接近英语的表示空间，这为“翻译腔

● Gemini 3.1 Flash TTS 发布，支持场景指导和多说话人

📌 一句话摘要 Google 发布了 Gemini 3.1 Flash 文本转语音模型，新增场景指导、多说话人支持等特性，并支持 70 种语言。 📝 详细摘要 这条推文宣布了 Google Gemini 3.1 Flash TTS（文本转语音）模型的重磅发布。推文清晰列出了新模型的核心特性：1.

● 在波兰担任欧盟理事会主席国期间扩展多语言外交

📌 一句话摘要 ElevenLabs 与波兰欧盟理事会主席国合作，为部长级新闻发布会实施了 AI 驱动的多语言配音，在确保可访问性的同时保持了演讲者的真实性和安全性。 📝 详细摘要 本文详细介绍了 ElevenLabs 与欧盟理事会秘书处在 2025 年波兰担任欧盟理事会主席国期间的一项里程碑式

● 微软研究院发布三本交互式 AI 实践手册

📌 一句话摘要 微软研究院推出了三本全新的交互式实践手册——Paza、Vibhasha 和 Atlas，旨在帮助各组织构建跨语言、跨文化的包容性 AI。 📝 详细摘要 微软研究院发布了三本交互式指南，旨在为面向全球市场开发 AI 解决方案的组织提供支持。这些名为 Paza、Vibhasha 和

● Diia AI 案例研究：助力公共服务的 Gemini 多语言智能体

📌 一句话摘要 乌克兰的 Diia AI 利用 Gemini 的多语言能力，为超过 4000 万公民提供政府服务。 📝 详细摘要 这条推文重点介绍了一个具有重大影响力的特定案例研究：乌克兰的 Diia AI。通过利用 Gemini 先进的多语言功能，该平台为广大民众提供了访问政府服务的对话式 A

● TADA 模型规格与架构详情

📌 一句话摘要 TADA 提供 1B 和 3B 两个版本，基于 Llama 架构并完全开源代码与权重。 📝 详细摘要 作为 TADA 发布推文的补充，本条推文详细说明了模型规格：提供针对英语的 1B 版本和针对多语言（含中、日、法、德等）的 3B 版本。技术架构基于成熟的 Llama 框架，且坚