跳到正文

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。

1 条精选近 30 天 1 条共收录 3 条

更新

多模态的精选

10月28日周三第 1–1 条
  1. Google DeepMind84

    Google DeepMind 发布世界模型 Genie 4

    Google DeepMind 发布新一代世界模型 Genie 4,该模型原生支持多模态生成,能同时输出逼真的视觉、环境音效及交互式对话。Genie 4 整合了 Gemini 家族的推理能力以维持模拟连贯性,目前作为研究预览版向受信任测试者开放,后续将面向 Google AI Ultra 订阅用户及 API 早期合作伙伴推出。

    推荐理由:官方详解 Genie 4 的原生音频与实时交互能力,并披露其结合 Gemini 进行复杂事件模拟的技术路径。