开源动态7

OmniAudio：360视频生成3D音频

量子位2025-05-14

AI 摘要

OmniAudio团队：传统视频转音频技术难满足3D声音定位需求，为此提出360V2SA任务，构建Sphere360数据集。OmniAudio成果显著，但复杂场景识别有挑战，未来会继续探索。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

Pi 1.0发布接入曾骂过的MCP

本文编译自Pi团队播客访谈，Pi迎来1.0大更新，推出全新长时持久Agent框架Pi Durable，正式接入此前骂了一年的MCP协议，深度讨论AI编程能力边界与未来方向。

本文介绍GitHub上3.6K星的开源项目GordenPPTSkill，解决当前AI PPT工具生成不可编辑“假PPT”的痛点，直接生成原生可编辑PPTX，自带21套中文场景模板，适配各类职场汇报需求。

本文介绍面壁智能和OpenBMB最新开源的端侧多模态大模型MiniCPM-V 4.7，其35B-A3B版本总参数35B，推理仅激活3B，仅需3G内存即可在iPhone等手机断网流畅运行，性能领先同类模型，详解了其优化技术与行业价值

本文解决AI画图痛点：画风难描述、排版乱、色彩不协调，介绍了新开源的handraw-style提示词库，整理329种手绘风格、165种排版图型、36种主题色，编号选款直接生成可用提示词。