跳到正文

#端侧/实时

  1. 创作工具World Labs · 官方研究与公告

    World Labs 发布 Atlas 实时研究预览,Frameboy 支持 15fps 流式探索

    World Labs 发布 Atlas 实时研究预览,通过 Frameboy 演示从云端 GPU 流式生成帧到浏览器,最高 15fps。该版本对 Atlas 做了高度优化,保持新视角合成能力;同时集成到 Viewfinder,用户可逐帧构建场景后实时探索。

  1. 视频模型IndexTTS · 语音模型

    IndexTeam 发布 Index-Echo-S2TT-9B 语音转写翻译模型

    IndexTeam 发布 Index-Echo-S2TT-9B,用 Qwen3-Omni AuT 音频编码器加 Index-Translate-9B 解码器把语音转成文本,接受音频或视频文件并输出带句级时间戳的双语字幕,打包推理接口支持中文译成英语、日语或西班牙语。

  2. 视频模型IndexTTS · 语音模型

    IndexTeam 发布 Index-Echo-S2TT-2B 语音转文字翻译模型

    IndexTeam 发布 Index-Echo-S2TT-2B,用 Qwen3-Omni AuT 音频编码器、音频连接器和 Index-Translate-2B 解码器把语音转成文本,接受音频或视频文件并输出带句级时间戳的双语字幕,打包推理接口支持中文译成英语、日语或西班牙语。

  1. 视频模型Google DeepMind

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar,在原生实时对话模型上加入近实时视频生成,实现带口型同步、自然表情和流畅轮替的动态视觉形象。

  1. 视频模型Hugging Face Blog

    Overworld 发布 Waypoint-1.5 实时视频世界模型

    Overworld 发布实时视频世界模型 Waypoint-1.5,在 RTX 3090 至 5090 等桌面硬件上可生成最高 720p、60 FPS 的实时环境,并新增面向更广消费级硬件的 360p 档,后续将支持 Apple Silicon Mac。

  1. 视频模型Hugging Face Blog

    Overworld 发布实时交互视频扩散模型 Waypoint-1

    Overworld 发布实时交互式视频扩散模型 Waypoint-1,可通过文本、鼠标和键盘控制,权重已上线 Hugging Face Hub,包含 Waypoint-1-Small,Waypoint-1-Medium 即将推出。

已经到底了
浏览全部动态