HelixWorld 1.0：发布实时交互式视听世界模型

来自Noiz AI的研究人员与香港科技大学、清华大学等机构合作，推出了HelixWorld 1.0，一个新颖的交互式视听世界模型。该模型可实时生成24FPS的视觉内容和48kHz的立体声音频，并能动态响应用户操作。与之前生成静态视频或事后添加音频的模型不同，HelixWorld的Transformer架构从一开始就统一了音频和视觉生成，确保了同步且符合上下文的感官体验。研究团队计划在未来几周内公开模型权重和代码。 AI

影响 通过同步实时音频和视觉生成，为沉浸式AI体验树立了新标杆，有望加速交互式虚拟环境的开发。

排序理由 这是一个研究团队发布的新颖交互式视听世界模型，并计划开源。[lever_c_demoted from frontier_release: ic=1 ai=1.0]

在 量子位 (QbitAI) 阅读 →

• CMU
• Genie 3
• Google DeepMind
• HelixWorld 1.0
• Hong Kong University of Science and Technology
• Jensen Huang
• LingBot-World
• Meta
• Noiz AI
• Tsinghua University
• Yann LeCun
• Zeyue Tian

• 模型发布
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →