「多模态AI交互」共找到 10506 篇相关文章
奥特曼公然叫板马斯克！重金杀入脑机接口，硅谷两大巨头彻底决裂
据金融时报，奥特曼准备豪掷重金扶持Merge Labs与马斯克的Neuralink竞争。两人此前在AI领域就冲突不断，如今战火蔓延到脑机接口领域，这场科技战争关乎人类未来。
从Debugger到Developer : 低代码时代新基准NoCode-bench，SWE-Bench作者力荐
浙江大学牵头联合多机构推出全新评估基准NoCode - bench，直面自然语言驱动功能添加任务，发现当前最佳LLM成功率仅两成。它构建严谨，任务挑战大，指明AI软件开发改进方向，且已开源。
首个企业级智能体全开源！京东云将Agent门槛直接给打没了
京东云JoyAgent成为首个100%开源企业级智能体，完整能力全部开源，企业开发者可本地独立部署。它多智能体协同能力强、性能一流，还具多项技术创新，解决了企业AI落地难题。
狂涨 9.5K star！！又一款轻量好用的web自动化项目，太爽了！！
介绍开源项目Nanobrowser，它是基于Chrome扩展的AI网页自动化工具，通过多智能体协作系统理解自然语言指令完成复杂网页任务，开源免费、保障隐私，有诸多实用功能，已获9.5K star。
首个全面梳理语音大模型发展脉络的权威综述，入选ACL 2025主会
香港中文大学团队语音语言模型综述论文《Recent Advances in Speech Language Models: A Survey》被 ACL 2025 主会议接收，这是该领域首个全面系统综述，指明语音 AI 未来方向，还剖析技术架构、训练策略等。
从哲库到小米，从造芯之“死”到造芯之生
文章回顾华为、小米、OPPO造芯历程，分析OPPO哲库夭折与小米重启造芯的原因。指出小米重启造芯有财务、组织架构、经验等优势，且赶上制裁“窗口期”，AI时代也需自研芯片。
1w颗星！本地化视频翻译配音工具！
KrillinAI是多功能音视频本地化与增强方案，面向人类用户和AI Agent。它功能全，覆盖视频处理完整链路；特点多，支持CLI调用等；还兼容多种语音识别、大语言模型和TTS服务，可Docker部署。
Agent之间，有互联网了！
明略科技开源发布Octo，旨在构建开源可信的Agent协作网络，让人、Agent和外部工具进入同一协作系统。它有三个核心概念、六种协作模式、四个端，推动AI应用从个人工具向组织协作网络迁移。
Speech LLM 的下一个突破口：你的语音大模型可以是个「带韵律的文本模型」
语音大模型存在‘模态代沟’致性能‘降智’，此前两波改进未根本解决。香港中文大学论文提出TextPro - SLM架构，从输入端破局，仅用约1000小时数据就实现低‘模态代沟’，对多模态模型设计有启发。
「部署态」元年，这家公司就把落地方案卷到了七种
在4月17日上海举办的大会上，智元拿出四大全新机器人产品、六大AI模型、七大标准化生产力解决方案及全栈生态技术体系。其创始人认为具身智能正从“开发态”向“部署态”进化，2026年是元年。