NVIDIA 演示基于 Nemotron 开源模型构建万圣节互动怪兽屋
NVIDIA 工程师展示了基于 Nemotron 开源模型搭建的万圣节互动投影装置 MonsterHouse，在单台工作站上实现了本地实时的语音、视觉与面部动画交互。
推荐理由：原文拆解了将端侧小模型、语音流式生成与三维面部动画串联的工程管线，为实时交互式数字人搭建提供了完整落地方案。
技术方向
多模态 最新动态
文字之外的能力：看懂图片、图文混合理解、音视频输入输出的模型与产品进展。
4 条精选近 30 天 4 条共收录 7 条
更新
多模态的精选
Hugging Face Blog精选AI 评分6161
Hugging Face Blog精选AI 评分8383 Mistral Large 4 上线 Hugging Face：约 1T 参数多模态 MoE 开源模型
Mistral 发布多模态 MoE 架构大模型 Mistral Large 4 并上线 Hugging Face，模型总参数约 1T、激活参数 49B，具备 1M tokens 上下文窗口。
推荐理由：原文给出了该稀疏大模型的架构细节与多框架部署基准，读者可据此评估其在安全防御与私有化落地中的实际可行性。
Google DeepMind精选AI 评分7575 Google DeepMind 发布新一代交互式世界模型 Genie 4
Google DeepMind 宣布推出新一代世界模型 Genie 4，支持高真实度的实时交互式环境模拟，并能同步原生生成环境音、背景音乐和角色对话。该模型结合 Gemini 模型的推理与规划能力以维持多步因果连贯性，允许用户通过自然语言和键盘实时干预场景走向。目前 Genie 4 已作为研究预览版向受信任测试人员开放，后续将逐步推向 Project Genie 和 Gemini API。
推荐理由：该模型结合 Gemini 推理能力实现了包含原生音频的实时交互模拟，为具身智能训练与互动原型开发提供了新的实验环境。
Google Research精选AI 评分7171 Google 分享结核病筛查 AI 落地进展：推动基础模型进入临床一线
Google Research 总结了将基础模型应用于全球结核病（TB）一线筛查的实践进展，展示了从胸部 X 光算法到临床认证工具的转化路径。
推荐理由：原文梳理了医疗模型从算法验证、监管认证到端侧落地的完整路径，为公共卫生场景下的 AI 工程化提供了参考。