跳到正文
日期与来源

日期按北京时间的资讯列表日期计算,包含起止当天。

10月31日周六
10月25日周日
  1. TechCrunch · AI60

    Block 发布语音模型 Dessa,可在消费级 GPU 本地运行

    Jack Dorsey 旗下 Block 的研究实验室发布语音模型 Dessa,该模型完全基于人类语音训练,可在单张 NVIDIA GPU 上本地运行,并能同时说话和聆听。Block 称 Dessa 为全双工语音到语音模型,情绪、停顿和笑声等表达内建于模型中,可在 MacBook M4 Max 或更高配置的消费级电脑上运行。目前 Dessa 尚未公开开放,Block 正邀请安全研究人员参与测试。

10月23日周五
10月22日周四
10月18日周日
10月16日周五
10月15日周四
  1. 机器之心SOTA模型 · 公开公众号 RSS22

    阶跃星辰开放 Step 5 Preview 权重,蚂蚁百灵开源 Ling-3.1-flash

    阶跃星辰开放 Step 5 Preview 官方权重,总参数 600B、激活 27B,支持 1M 上下文,可处理文字与图像理解、编程及长程工具调用,提供 BF16、FP8 权重及 vLLM、SGLang 部署路径。蚂蚁百灵同期开源 Ling-3.1-flash,采用 MIT 许可证,总参数 560B、激活 25B,支持 1M 上下文,面向办公、搜索和编程 Agent 场景,提供混合推理开关。

  2. IT之家62

    昆仑万维发布 Matrix-Game 4.0 视频大模型游戏并同步开源

    昆仑万维发布 Matrix-Game 4.0,称其为世界首款运行在单张消费级显卡上的视频大模型游戏,已同步开源。该模型由游戏引擎维护世界状态与交互规则、视频生成模型实时呈现画面,在单张 NVIDIA RTX 5090 上实现 480p、60 FPS 体验,按键到画面响应延迟低于 150 毫秒。

10月11日周日
10月1日周四
  1. Runway48

    Runway 发布世界接口模型 Solaris

    在今天的 AI Summit 上,Runway CTO Kamil Sindi 进一步介绍了我们的首个世界接口模型 Solaris。一种新型操作系统,随着你的交互而自我构建。每一帧都根据你的意图实时生成。 在主题演讲中,Kamil 分享了一个清晰的愿景:未来所有软件都是生成的。无需一行代码。 了解更多关于 Solaris:https://runway.com/news/research/introducing-solaris

9月29日周二
  1. 公众号:短剧自习室75

    造梦次元与生数科技用Vidu S2做AI主播直播,48小时营收4.2万

    造梦次元与生数科技用Vidu S2驱动AI主播紫樱完成一场48小时直播,累计31万+人观看、最高超4万人在线,总营收4.2万元。紫樱会念出新观众昵称、接住弹幕话题,并根据礼物唱歌、跳舞、换装和切换场景,直播中重开24次才达成8万营业值目标。

    推荐理由:以一场48小时AI主播直播为样本,观察实时视频模型在互动内容中的实际表现与商业转化。

9月28日周一
  1. IndexTTS · 语音模型60

    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。

    推荐理由:Index-Echo-S2TT-9B 开源了语音转写加双语字幕的完整推理包,创作者可据此评估字幕与翻译流程的替换成本。

  2. IndexTTS · 语音模型60

    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。

    推荐理由:Index-Echo 系列新增语音转文字翻译成员,公开了架构、推理参数与自建评测对比,可据此判断是否接入字幕流程。

9月25日周五
  1. Google DeepMind67

    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。

    推荐理由:Gemini 3.8 Live 新增实时数字人能力,支持 97 种语言口型同步与后台工具调用,企业可据此评估虚拟客服等场景。

4月9日周四
  1. Hugging Face Blog62

    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。

    推荐理由:Waypoint-1.5 把实时世界模型压到消费级显卡,720p 与 360p 双档让创作者可评估本地交互式生成的可行性。

1月20日周二
1月6日周二
5月13日周一