NUS、牛津、微软等9机构发布音视频智能综述：系统梳理大模型时代的AVI研究全景
来源：市场资讯（来源：机器之心）GPT-4o 一边看屏幕一边和你语音对话；Veo-3、MovieGen、Seedance 2.
GitHub 50.5K+ Star！给自己装个能陪玩、有独立记忆的专属 AI 伴侣
今天给大家拆解登顶 GitHub 热榜、5.
百度CTO王海峰、微软亚研院刘树杰同台：大模型下一战，拼“全模态”和“真对齐”
来源：市场资讯（来源：智东西）智东西作者 陈佳编辑 云鹏智东西7月7日报道，昨日，中国中文信息学会把学界教授、企业负责人和投资人拉到了同一张桌子上，联合联想控股、中科院软件研究所等单位，成立了产学研创新生态工作委员会（下称“工委会”）。联想控股CEO于浩出任工委会首任主任。
网易有道TTS模型升级，首发14语种无口音无文本克隆模型
国务院《关于深入实施“人工智能+”行动的意见》明确提出，要加快AI核心技术自主创新、降低产业落地门槛、构建开放共享的国产AI生态，推动人工智能与千行百业深度融合。
澜存科技：站在大模型与智能体之间，做标准化的生意
这就导致了，大部分玩家会把注意力集中在模型能力和交互体验上，而真正能够决定一款智能硬件能否规模化的，是另一套变量:量产一致性、声学工程、交付周期。
AI产品经理实战篇：没写一行代码，我把脑子里的日式 AI 酒馆做上线了
这款像素风日式AI酒馆精准捕捉都市人的低压力伪社交需求，从商业模型设计到技术选型，全程采用Build First方法论与AI深度协作。
全球语音大模型，角逐方向盘后的麦克风
7月28日，阿里云Qwen Audio 3.0 Realtime Plus以99.2%的成绩刷新Artificial Analysis Big Bench Audio纪录，登顶全球语音推理排行榜，但它的平均首音延迟高达4.02秒。
牛津、微软等发布音视频智能综述：梳理大模型时代AVI研究全景
正是在这一背景下，新加坡国立大学联合牛津大学、多伦多大学、UTD、HKUST、QMUL、微软研究院、罗切斯特大学等机构，推出了据作者所知第一份专门针对” 音视频大模型“的系统综述。
开源数字人实时对话：形象可自定义，支持语音输入
池炜恒（池化） 投稿量子位 | 公众号 QbitAI开源数字人实时对话Demo来了～支持语音输入和实时对话，数字人形象可自定义的那种。生成的数字人效果belike：目前这个数字人实时对话Demo已在阿里巴巴ModelScope魔搭社区上线。