Video yükleniyor...

Video Yüklenemedi

Ana Sayfaya Dön

沉浸式体验谷歌Genemi2.0的实时多模态视频大模型，延迟真的超级低，完全可用啊！

JinsFavorites's profile picture

dangjin

13,477 subscribers

34,870 görüntüleme • 1 yıl önce •via X (Twitter)

Bilim & Teknoloji
LIVE

Anya Rossi• Live Now

Private livecam show

10 Yorum

anata profil fotoğrafı
anata1 yıl önce

谷歌眼镜有救了吗🤣

dangjin profil fotoğrafı
dangjin1 yıl önce

必须有吧哈哈哈

ArJun profil fotoğrafı
ArJun1 yıl önce

可能用户少，算力足哈哈

L Erik profil fotoğrafı
L Erik1 yıl önce

好强，第一想到可以帮助盲人出行

dangjin profil fotoğrafı
dangjin1 yıl önce

Yes

NanYi profil fotoğrafı
NanYi1 yıl önce

Gemini这个延时好低啊😳

huanggou profil fotoğrafı
huanggou1 yıl önce

集成到AR眼镜随时调用就吊了，谷歌为什么放弃ar眼镜

子杰 Kyro profil fotoğrafı
子杰 Kyro1 yıl önce

厉害

亮子纠缠AI profil fotoğrafı
亮子纠缠AI1 yıl önce

API可用吗？

Donny profil fotoğrafı
Donny1 yıl önce

这么牛

Benzer Videolar

太酷了，阿里通义实验室给出了一套完整的可实时交互的数字人系统！ 先是一款单图秒级3D数字人生成模型：LAM，支持实时动画和交互功能 支持跨平台、低延迟、实时渲染 另外还开源了两个配套工具，形成了一个完整的可实时交互的数字人系统 1、Audio2Expression，一个音频驱动的表情动画模型，用于驱动LAM生成的数字人头像，根据音频做出相应的嘴型和表情 2、OpenAvatarChat，数字人实时对话系统，核心是多模态低延迟，平均回答延迟在2.2秒左右 #AI数字人 #虚拟主播
1:06

太酷了，阿里通义实验室给出了一套完整的可实时交互的数字人系统！ 先是一款单图秒级3D数字人生成模型：LAM，支持实时动画和交互功能 支持跨平台、低延迟、实时渲染 另外还开源了两个配套工具，形成了一个完整的可实时交互的数字人系统 1、Audio2Expression，一个音频驱动的表情动画模型，用于驱动LAM生成的数字人头像，根据音频做出相应的嘴型和表情 2、OpenAvatarChat，数字人实时对话系统，核心是多模态低延迟，平均回答延迟在2.2秒左右 #AI数字人 #虚拟主播

AIGCLINK

47,683 görüntüleme • 1 yıl önce

卧槽，这个模型真的有点东西啊! 看完后就想问什么时候可以上手啊！ Odyssey AI实验室刚刚扔出一个真正让人眼前一亮的家伙：Starchild-1。 这是全球第一个实时多模态世界模型。 它不只是生成画面，还能同时生成真实世界的声音。 视频里你能看到一个完整的场景：画面在动，声音同步响起，视觉和听觉完全融为一体，像真正活过来的世界模拟。 以前的世界模型大多只能“看”世界，现在Starchild-1直接学会了“听”。 这不仅仅是又一个视频生成工具，更大的意义是朝着通用世界模型又迈出的关键一步，真正理解并模拟物理世界的下一步。 Odyssey团队说，他们正在用这种新形式的多模态智能，重新定义AI对现实的认知。
2:15

卧槽，这个模型真的有点东西啊! 看完后就想问什么时候可以上手啊！ Odyssey AI实验室刚刚扔出一个真正让人眼前一亮的家伙：Starchild-1。 这是全球第一个实时多模态世界模型。 它不只是生成画面，还能同时生成真实世界的声音。 视频里你能看到一个完整的场景：画面在动，声音同步响起，视觉和听觉完全融为一体，像真正活过来的世界模拟。 以前的世界模型大多只能“看”世界，现在Starchild-1直接学会了“听”。 这不仅仅是又一个视频生成工具，更大的意义是朝着通用世界模型又迈出的关键一步，真正理解并模拟物理世界的下一步。 Odyssey团队说，他们正在用这种新形式的多模态智能，重新定义AI对现实的认知。

Berryxia.AI

37,222 görüntüleme • 1 ay önce

这丝滑的体验吓到我了！请一定要看完视频！ Safari浏览器安装沉浸式翻译插件，切换到智谱GLM大模型，这翻译速度逆天了，延迟很低！！原来我一直迷信的选择chatgpt作为翻译引擎。 所以，场景合适就是最好！ 你也在用的话，快去换成智谱试试，记得回来感谢我！ #沉浸式翻译 #智谱GLM #AI翻译 #Safari插件 #iPhone #大模型 #AI工具 #AITranslation #效率工具 #用户体验
0:24

这丝滑的体验吓到我了！请一定要看完视频！ Safari浏览器安装沉浸式翻译插件，切换到智谱GLM大模型，这翻译速度逆天了，延迟很低！！原来我一直迷信的选择chatgpt作为翻译引擎。 所以，场景合适就是最好！ 你也在用的话，快去换成智谱试试，记得回来感谢我！ #沉浸式翻译 #智谱GLM #AI翻译 #Safari插件 #iPhone #大模型 #AI工具 #AITranslation #效率工具 #用户体验

沉浸式翻译

11,742 görüntüleme • 1 yıl önce

谷歌的实时生成世界模型genie 3开放测试。 ​ ​试了一下，太牛了！ 超低延迟，超高分辨率，超强的物理表现。 ​互动影游和AI互动游戏要在今年爆发了！
0:36

谷歌的实时生成世界模型genie 3开放测试。 ​ ​试了一下，太牛了！ 超低延迟，超高分辨率，超强的物理表现。 ​互动影游和AI互动游戏要在今年爆发了！

歸藏(guizang.ai)

126,587 görüntüleme • 5 ay önce

“基于AI大模型的实时视频脱敏技术”
0:29

“基于AI大模型的实时视频脱敏技术”

Ken W

125,046 görüntüleme • 1 ay önce

来看苹果刚发布的视频模型——星流 starflow！ 苹果刚刚发布了一个新模型 starflow, 这个模型最大的特点是可以文生视频, 图生视频, 视频生成视频, 甚至还支持生成长视频. 模型大小7B, 视频部分使用 WAN-2.2-VAE 魔改, 图片部分使用 SD-VAE 魔改, 最高只支持生成 480p 的视频, 另外模型文件格式是pth, 通常是使用 PyTorch 炼丹的时候保存的原始检查点文件时 pth. 所以这个模型更可能是个技术探索? 并不是很实用.
0:28

来看苹果刚发布的视频模型——星流 starflow！ 苹果刚刚发布了一个新模型 starflow, 这个模型最大的特点是可以文生视频, 图生视频, 视频生成视频, 甚至还支持生成长视频. 模型大小7B, 视频部分使用 WAN-2.2-VAE 魔改, 图片部分使用 SD-VAE 魔改, 最高只支持生成 480p 的视频, 另外模型文件格式是pth, 通常是使用 PyTorch 炼丹的时候保存的原始检查点文件时 pth. 所以这个模型更可能是个技术探索? 并不是很实用.

karminski-牙医

42,175 görüntüleme • 7 ay önce

大家又爱又恨的豆包又进化了🤣 火山引擎FORCE大会落地： 豆包大模型2.1 Pro正式发布，综合性能对标GPT-5.5、Claude Opus 4.7、Gemini 3.1 Pro，跻身全球第一梯队。 / 三大核心能力跨过生产级质变点： ①编程：代码评测追平Claude，仓库级生成反超GPT-5.5，可承接芯片RTL设计18小时全流程工程交付 ②Agent：ALE评测超越Claude Opus 4.7，移动端操作能力全球SOTA，支持500个智能体协同作业 ③多模态：视频时序理解大幅领先Gemini，2小时长视频可一站式完成全流程产出 定价输入6元/输出30元/百万Token，综合使用成本比海外旗舰低80%，性能追平，价格直接打两折。 同期公布Seedance 2.5视频模型、音频大模型1.0即将上线，多模态全家桶就位。 #豆包大模型2.1 #AI大模型
0:28

大家又爱又恨的豆包又进化了🤣 火山引擎FORCE大会落地： 豆包大模型2.1 Pro正式发布，综合性能对标GPT-5.5、Claude Opus 4.7、Gemini 3.1 Pro，跻身全球第一梯队。 / 三大核心能力跨过生产级质变点： ①编程：代码评测追平Claude，仓库级生成反超GPT-5.5，可承接芯片RTL设计18小时全流程工程交付 ②Agent：ALE评测超越Claude Opus 4.7，移动端操作能力全球SOTA，支持500个智能体协同作业 ③多模态：视频时序理解大幅领先Gemini，2小时长视频可一站式完成全流程产出 定价输入6元/输出30元/百万Token，综合使用成本比海外旗舰低80%，性能追平，价格直接打两折。 同期公布Seedance 2.5视频模型、音频大模型1.0即将上线，多模态全家桶就位。 #豆包大模型2.1 #AI大模型

DeFi狙击手 | Ai🕊️

34,495 görüntüleme • 22 gün önce

Hermes Web UI 已升级接入 Grok 4.3 视频模型。 现在，你可以在同一个面板中直接使用 Grok 4.3 生成图片 和视频，让多模态创作流程更集中、更顺畅 。 重点是完全免费的 - bro
0:20

Hermes Web UI 已升级接入 Grok 4.3 视频模型。 现在，你可以在同一个面板中直接使用 Grok 4.3 生成图片 和视频，让多模态创作流程更集中、更顺畅 。 重点是完全免费的 - bro

libapi

52,634 görüntüleme • 1 ay önce

快手今天发布了可灵视频生成模型，支持生成最长两分钟 30FPS 1080P 的视频。 生成质量是现在普通用户能接触到的天花板，5 秒视频这个等级完全超越了谷歌Voe 视频模型。 运动幅度、不同比例、一致性、物理特性都是除了 Sora 之外现在看到最好的。 体验方法：快影 APP-AI 玩法-AI 视频生成中申请。
0:30

快手今天发布了可灵视频生成模型，支持生成最长两分钟 30FPS 1080P 的视频。 生成质量是现在普通用户能接触到的天花板，5 秒视频这个等级完全超越了谷歌Voe 视频模型。 运动幅度、不同比例、一致性、物理特性都是除了 Sora 之外现在看到最好的。 体验方法：快影 APP-AI 玩法-AI 视频生成中申请。

歸藏(guizang.ai)

97,172 görüntüleme • 2 yıl önce

大模型终于能一口气生成5分钟视频了? 来自复旦, 南京大学等几所大学的研究员发布了新的多模态可控超长视频世界模型 LongVie 2, 这个模型最大的特点是可以生成长达5分钟的视频. 该模型基于 Wan 2.1 魔改, 实现了一个个三阶段流水线, 包括多模态引导,针对输入帧的退化感知训练和历史上下文引导 从而达到了输出3至5分钟的连贯视频.其核心是优先保证因果一致性，而非简单的帧预测.
0:47

大模型终于能一口气生成5分钟视频了? 来自复旦, 南京大学等几所大学的研究员发布了新的多模态可控超长视频世界模型 LongVie 2, 这个模型最大的特点是可以生成长达5分钟的视频. 该模型基于 Wan 2.1 魔改, 实现了一个个三阶段流水线, 包括多模态引导,针对输入帧的退化感知训练和历史上下文引导 从而达到了输出3至5分钟的连贯视频.其核心是优先保证因果一致性，而非简单的帧预测.

karminski-牙医

24,831 görüntüleme • 6 ay önce

一款全新的多模态RAG系统：ColQwen-Omni，可以跨模态检索视频、音频、文档任意内容 它支持跨模态检索，比如说，你可以用文本查询音频片段，或者说用音频查询图像 用来处理音视频检索比较实用 它能理解不同的模态，直接处理原始数据，比先把音频或视频转录成文本再进行检索的方法速度更快 还有一个，就是直接处理音视频可以保留音视频中的情感、语气、环境音、以及视频中的视觉细节 #全模态RAG #RAG #跨模态RAG #ColQwenOmni
1:07

一款全新的多模态RAG系统：ColQwen-Omni，可以跨模态检索视频、音频、文档任意内容 它支持跨模态检索，比如说，你可以用文本查询音频片段，或者说用音频查询图像 用来处理音视频检索比较实用 它能理解不同的模态，直接处理原始数据，比先把音频或视频转录成文本再进行检索的方法速度更快 还有一个，就是直接处理音视频可以保留音视频中的情感、语气、环境音、以及视频中的视觉细节 #全模态RAG #RAG #跨模态RAG #ColQwenOmni

AIGCLINK

10,416 görüntüleme • 1 yıl önce

酷，新出的一款端到端AI语音模型：Voila，全双工能同时听和说，低延迟，预置了一百万种语音 还支持ASR、TTS以及多语言语音翻译 端到端架构，支持全双工的低延迟对话，延迟195毫秒，超人类平均响应时间 能实时自主对话，持续聆听、推理以及主动回应，通过文本指令可以定义说话者的身份以及语气等特征 #语音模型 #Voila #TTS #ASR
1:32

酷，新出的一款端到端AI语音模型：Voila，全双工能同时听和说，低延迟，预置了一百万种语音 还支持ASR、TTS以及多语言语音翻译 端到端架构，支持全双工的低延迟对话，延迟195毫秒，超人类平均响应时间 能实时自主对话，持续聆听、推理以及主动回应，通过文本指令可以定义说话者的身份以及语气等特征 #语音模型 #Voila #TTS #ASR

AIGCLINK

37,702 görüntüleme • 1 yıl önce

首个开源的会话音频生成基础模型：Hertz-dev，实时语音交互，8.5亿参数 全双工，可以同时听和说 超低延迟，可在120毫秒内回应，像和真人对话一样流畅，没有明显卡顿感 是目前公开的同类系统中最快的 github： #Hertzdev #AI实时语音系统
1:03

首个开源的会话音频生成基础模型：Hertz-dev，实时语音交互，8.5亿参数 全双工，可以同时听和说 超低延迟，可在120毫秒内回应，像和真人对话一样流畅，没有明显卡顿感 是目前公开的同类系统中最快的 github： #Hertzdev #AI实时语音系统

AIGCLINK

34,506 görüntüleme • 1 yıl önce

接近生产级别的的3D生成模型 Rodin Gen-1 正式上发布 可以在几十秒内通过文本生成高质量可直接使用的3D模型，这些模型使用四边形构造，并具有逼真的材质效果（看起来很真实）。 Rodin几乎达到了可以在实际项目和商业用途中直接应用的标准。 生成的3D模型质量非常高，细节丰富，足以满足生产级别的要求。
0:39

接近生产级别的的3D生成模型 Rodin Gen-1 正式上发布 可以在几十秒内通过文本生成高质量可直接使用的3D模型，这些模型使用四边形构造，并具有逼真的材质效果（看起来很真实）。 Rodin几乎达到了可以在实际项目和商业用途中直接应用的标准。 生成的3D模型质量非常高，细节丰富，足以满足生产级别的要求。

小互

16,399 görüntüleme • 2 yıl önce