「全双工实时交互」共找到 923 篇相关文章

开源动态8

让世界模型推理效率提升70倍:上海AI Lab用“恒算力”破解长时记忆与交互瓶颈

上海AI Lab联合多家机构开源Yume1.5,针对视频生成构建可交互“世界模型”的核心难题,提出时空信道联合建模(TSCM),实现近似恒定计算成本的全局记忆访问,展示了世界模型工程化落地的可行路径。

量子位
产品应用8

Google 重磅发布 Genie 4:世界模型终于活了

Google DeepMind 发布新一代世界模型 Genie 4,是其首个原生生成音频的实时世界模型。用户可通过键盘或文字指令实时控制角色移动、对话并改变场景环境。

夕小瑶科技说
开源动态8

1.7K Star 新晋神器!一款轻量、开箱即用的终端日志神器,AI 助力、实时可视化,效率飞升!

现在系统日志信息量大、噪声多,传统工具定位问题既慢又麻烦。而开源工具Gonzo基于Go语言开发,有实时日志流处理、交互式仪表盘等功能,安装简单,打破传统工具局限,节省时间。

开源先锋
产品应用9

全球端到端语音天梯榜易主:比GPT还强的Gemini 3.8 Live 来了,谷歌实时通话智能

本文介绍谷歌推出的全新Gemini 3.8 Live系列实时语音大模型,该模型登顶全球端到端语音天梯榜,性价比远超OpenAI同类产品,首创双轨架构解决AI思考延迟痛点,已全量上线消费端与开发者端。

AI进修生
开源动态8

Soul APP 开源首个 14B 实时数字人!0.87秒延迟+32fps,冲进 I2V 趋势榜 TOP5!

AI圈对数字人爱恨交加,因其存在太假、太慢、太僵硬等问题。Soul App旗下AI团队开源实时数字人生成模型SoulX - FlashTalk,参数量14B,有亚秒级延迟、高帧率等亮点,冲进HuggingFace I2V趋势榜TOP5。

开源星探
算法论文8

ICLR 2026|人大&通义:别再只会堆上下文了!IterResearch用40K上下文轻松实现2048轮交互不退化

中国人民大学与阿里巴巴通义实验室团队提出 IterResearch 迭代式深度研究范式。它能让 Agent 在 40K 上下文下完成 2048 次工具交互且性能不衰减,解决了传统范式上下文臃肿问题,论文已被 ICLR 2026 接收。

机器之心
产品应用7

操控宇宙万物?Gemini3.0生成最火的3D粒子交互案例(圣诞老人、Jarvis)丨附HTML.代码

最近用Gemini 3.0或GPT 5.2做3D粒子交互爆火,能生成可手势操作的爱心、圣诞树等。以往需数天写代码,现在和AI对话几轮就行。文中给出基础提示词,还展示多个案例及HTML代码获取方式。

鲸选AI
新闻资讯7

新的 Rust 客户端致力于实现基于 Aerospike 的安全、高性能应用

Aerospike正式发布Rust客户端,用于与其实时NoSQL数据库交互。采用异步优先并发模型,支持批命令等。还将支持分区查询等功能,Aerospike也提供其他客户端库助开发者构建应用。

InfoQ
开源动态8

3行代码做出自己的数字人,GitHub爆火的国产项目你用上了吗?

中国硅基智能推出HeyGem与DUIX两大开源项目,在GitHub引发热潮。HeyGem能快速克隆数字分身、生成4K视频,DUIX支持实时交互,二者构建完整技术闭环,推动数字人技术普及。

开源星探
产品应用8

中国AI Agent产业化参考范本:斑马口语攻克的四大技术难关

2025年AI产业转折,通用大模型落地难,垂直场景成关键。斑马口语作为垂直落地的AI Agent,突破实时交互、语音识别、内容适龄、多模态呈现四大技术难关,为中国AI Agent产业化提供范本。

机器之心