elle

Runway发布首个界面世界模型Solaris:不写代码、逐帧实时生成可交互界面,自称用户偏好胜过Claude Opus 5编码的界面,文字渲染仍是短板

runway

Runway发布首个界面世界模型Solaris:不写代码、逐帧实时生成可交互界面,自称用户偏好胜过Claude Opus 5编码的界面,文字渲染仍是短板

Runway于8月31日发布Solaris,称其为首个界面世界模型(Interface World Model):不生成代码,而是基于Gen-4.5以720p逐帧实时生成应用和网页界面,延迟控制在半秒以内。Runway自做的250人用户研究显示,Solaris在遵循指令和行为自然度上分别以61%和71%获得偏好,对比对象是用Claude Opus 5编码的界面。官方也承认稳定文字、长会话一致性与可信度仍是难题,价格和API均未公布。

GlobalFeed Editor tarafından
Anthropic 开源 Claude Commerce Agents:购物与商家两个智能体,零售、旅行、电信、娱乐四套参考实现

anthropic

Anthropic 开源 Claude Commerce Agents:购物与商家两个智能体,零售、旅行、电信、娱乐四套参考实现

Anthropic 把搭建电商智能体的参考蓝图开源:购物智能体嵌进商家应用替顾客比价填购物车,商家智能体供员工管库存与定价,零售、旅行、电信、娱乐四个场景可直接跑。架构是一个标准循环里只用一个模型。仓库里的公司和品牌全部虚构,示例不下单不扣卡,金融操作一律等人批准。官方称提示缓存命中率 90% 到 99%、购物车最多大出 35%、成交可能性高出 60%,这些数字均属厂商说法。

GlobalFeed Editor tarafından
Inworld 称 Realtime TTS-2 正式商用:首字节延迟约 100 毫秒,同一音色支持 200 多种语言,同日发布的 Flash 版本降至 25 毫秒

inworld

Inworld 称 Realtime TTS-2 正式商用:首字节延迟约 100 毫秒,同一音色支持 200 多种语言,同日发布的 Flash 版本降至 25 毫秒

Inworld 于 9 月 2 日宣布文本转语音模型 Realtime TTS-2 正式商用(GA),并同步推出更快的 TTS-2 Flash。公司称前者首字节延迟约 100 毫秒、同一音色可跨 200 多种语言使用,订阅价为每百万字符 12.5 美元;后者延迟低至 25 毫秒,价格为其一半。模型已在 inworld.ai 上线,也可通过 LiveKit、Cloudflare 等平台调用。

GlobalFeed Editor tarafından
Inworld تطلق Realtime TTS-2 رسميا: 100 مللي ثانية وهوية صوت واحدة في أكثر من 200 لغة

inworld

Inworld تطلق Realtime TTS-2 رسميا: 100 مللي ثانية وهوية صوت واحدة في أكثر من 200 لغة

أعلنت Inworld الإتاحة العامة لنموذج Realtime TTS-2 لتحويل النص إلى كلام، بزمن استجابة نحو 100 مللي ثانية ودعم هوية صوتية واحدة عبر أكثر من 200 لغة، إلى جانب إصدار TTS-2 Flash بزمن 25 مللي ثانية ونصف السعر.

GlobalFeed Editor tarafından
World Labs发布Atlas:号称全球首个多模态世界模型,像素级相机控制生成1440p视频、稀疏图片重建3D,可为机器人生成模拟数据,未来数周开放早期访问

World Labs

World Labs发布Atlas:号称全球首个多模态世界模型,像素级相机控制生成1440p视频、稀疏图片重建3D,可为机器人生成模拟数据,未来数周开放早期访问

李飞飞创办的World Labs于9月1日发布多模态世界模型Atlas,官方称其为全球首个此类模型:可从一张或多张图片以像素级相机控制生成最长1分钟的1440p视频,从少量照片重建真实空间的3D结构,并为机器人生成RGB与深度模拟数据。公司自测在相机条件生成与3D重建基准上超过专用模型。目前仅向选定合作伙伴开放早期访问,未来几周扩大范围,未公布价格。

GlobalFeed Editor tarafından