谷歌DeepMind深夜放核弹：世界模型Genie 3登场，重新定义“生成式AI”
谷歌DeepMind发布第三代通用世界模型Genie 3，可以生成实时交互式环境，实现实时导航、一致性和高分辨率。其突破包括实时性能、长时程一致性以及可提示的世界事件能力。
实时交互
Midjourney 推出其首个图生视频模型 V1：延续美学风格，目标是构建「世界模型」
Midjourney推出视频生成模型V1，主打高性价比、易于上手的视频生成功能。用户可以通过动画化图片或自己的图片来创作短视频，支持手动和自动两种模式，最低每月10美元即可使用，目标是构建实时交互的开放世界模拟系统。
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
本文介绍了一篇被ACL 2025主会议接收的语音语言模型综述论文，该文由香港中文大学团队撰写。文章探讨了当前语音大模型的发展及其在自然对话、实时交互等方面的应用前景，并提出了未来研究的重点和挑战。
刚刚，阿里Qwen2.5-Omni又开源，实时语音与视频，太卷了~
Qwen2.5-Omni 是一款端到端的多模态模型，旨在感知包括文本、图像、音频和视频在内的多种模态，并以流式方式生成文本和语音响应。其关键特性包括Thinker-Talker架构、TMRoPE位置嵌入技术以及跨模态卓越性能等。
阿里巴巴开源的全模态大模型Qwen2.5-Omni，字节跳动开发的节点式工作流引擎，自动化注册Cursor Pro
阿里巴巴开源的Qwen2.5-Omni大模型支持全模态感知与生成、实时交互和语音生成。Cursor Auto Register帮助用户自动化注册Cursor账号。字节跳动开发的FlowGram.AI是节点式工作流引擎，利用AI能力增强工作流程。n8n MCP Server是一个让AI助手通过自然语言控制n8n工作流的模型上下文协议服务器。LangGraph CUA库构建具有计算机操作能力的智能代理系统。