标签：real-time-interaction
-
“Gemini音频生态：原生多模态与实时语音生成系统”
📝
🎙️ AI Engineer
📄 “本文深入剖析了 Google DeepMind 最新的音频大模型矩阵，详述了 Gemini 3 及其衍生系列如何通过底层架构烘焙音频理解能力，实现低延迟的端到端全双工通信，并展示了创新的‘导演模式’语音生成及 Lyra 3 音乐创作流。”
-
大型角色表演模型LPM 1.0演示视频集锦
📝
🎙️ Best Partners TV
📄 这份视频集锦展示了大型角色表演模型**LPM 1.0**的多种对话与表演能力。内容涵盖了多样的对话场景、诗歌朗诵、情感表达，以及在直播等长时间互动中保持角色一致性的能力。片段中包含游戏推荐、个人故事分享、戏剧性对话和趣味问答游戏，全面体现了该模型的广泛适用性和多功能性。
-
LPM 1.0：AI虚拟角色的性能革命与未来展望
📝
🎙️ Best Partners TV
📄 本文深入解读了米哈游创始人蔡浩宇旗下Anuttacon公司发布的LPM 1.0（大型表演模型）。该模型首创性地解决了AI虚拟角色交互中的'表演三难困境'（高表现力、实时推理、长时身份稳定性），通过构建高质量对话数据集、170亿参数的Base LPM基础模型、多阶段蒸馏实现的Online LPM流式模型，以及交互式角色表演基准LPM-Bench，实现了虚拟角色如真人般自然、实时、稳定的对话表演。文章详细阐述了数据构建、模型设计、蒸馏框架、基础设施优化及评估体系，并探讨了LPM 1.0的局限性与未来发展方向，预示着AI虚拟角色在游戏、直播等领域的广泛应用前景。
-
构建对话代理：Google Gemini API与AI Studio实践
📝
🎙️ AI Engineer
📄 本访谈记录了Google DeepMind团队关于Gemini API和Google AI Studio的开发者研讨会内容。重点介绍了Gemini Interactions API（一个用于模型和代理的统一API）及其服务器端状态管理、异步执行和隐式缓存等特性。演示了如何构建一个包含文件读写和Bash命令执行的编码代理，并探讨了Gemini 3.1 Flash Life API在实时音视频交互、多语言支持及实际商业应用（如Shopify Sidekick和为老年人提供陪伴服务）中的潜力与挑战，包括延迟、上下文窗口限制和幻觉问题。强调了通过系统指令和合作伙伴集成来优化代理性能的重要性。
-
E211｜3D数字人与机器人的AI化：从虚拟到现实的进化
📝
🎙️ 硅谷101播客
📄 本期节目邀请到魔珐科技创始人柴金祥教授，深入探讨AI技术如何驱动3D数字人与机器人领域的革新。讨论涵盖Sora 2对内容生成的影响、AI驱动的3D渲染与动画技术，实时人机交互的挑战与未来，以及AI在好莱坞、游戏与机器人产业的应用前景。