跳到正文
10月20日周二
10月16日周五
10月14日周三
10月11日周日
  1. The Decoder71

    Odyssey 开放世界模型 Odyssey-3 免费预览

    Odyssey 面向公众开放世界模型 Odyssey-3 的研究预览,用户可用文本提示生成可实时探索的交互环境,开发者可申请 API 访问。免费在线演示基于 Odyssey-3 Flash,支持第一人称与第三人称视角;基础模型 14B 参数、832×480 分辨率,Pro 版支持 1280×720。

10月9日周五
9月25日周五
  1. Google Research60

    Google Research 发布 AI 视频联合导演框架,自动化生成连贯长视频

    Google Research 发布 AI 视频联合导演(AI video co-director)多智能体框架,作为编排层构建在 Gemini 和 Veo 之上,用于自动化多镜头长视频生成。

    推荐理由:Google 把长视频生成拆成四个可组合框架,并给出多镜头一致性与角色保持的评测结果,适合了解多智能体编排如何缓解语义漂移。

  2. Google DeepMind72

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar,在 Gemini 3.8 Live 的实时对话能力上加入低延迟流式视频,实现带唇形同步、自然表情和流畅轮次的实时视觉形象。

    推荐理由:官方给出 Live Avatar 的实时视频对话能力、异步工具调用与 97 种语言切换,可据此判断企业级多模态交互的落地形态。