技术方向
AI 语音与音频：语音合成、实时语音对话、音乐生成与音频理解的模型与产品。
3 条精选近 30 天 3 条共收录 6 条
NVIDIA 宣布 RTX Spark 轻薄笔记本现已由 ASUS、Dell、HP、Lenovo、Microsoft 和 MSI 发售，起售价 2599 美元，最高配备 128GB 统一内存和 1 petaflop FP4 AI 性能。
推荐理由：原文集中展示了 RTX Spark 笔记本在端侧模型、智能体资源调度和游戏技术上的多项更新，读者可据此评估本地 AI 工作流的硬件与软件生态进展。
Liquid AI 发布 LFM3 系列模型，包含文本、视觉、音频、全模态和决策共六款 2B 参数级模型，均基于 LFM3-1.7B-Base 训练并支持单 GPU 微调。新架构采用三混合层设计，上下文窗口扩展至 256K tokens，文本模型在 4-bit 精度下约 1 GB，可在手机等端侧设备运行本地 Agent。
推荐理由：原文给出了六个 2B 级模型的架构细节与单卡微调路径，读者可据此评估在端侧部署专用多模态智能体的可行性。
Google DeepMind 发布 Genie 4 世界模型，支持原生多模态生成，可在实时交互中同时输出画面、环境音和人物对话。该模型基于 Gemini 系列构建，其中 Gemini 3.8 Flash 作为引导 Agent 在循环中拆解目标并验证步骤，Gemini 4 Argon 则用于将任务分解为可渲染的实时步骤。
推荐理由：Genie 4 将 Gemini 的推理能力引入实时世界模拟，展示了用文本和音频联合驱动物理与角色行为的新范式。