想做 24/7 无人直播却卡在“一眼假”？
阿里发布 Live Avatar：基于 14B 参数扩散模型的无限时长、实时数字人方案，解决长时序生成“脸崩”痛点。
RAG 是给大模型挂外脑，Live Avatar 则是给视频生成装了“流水线”和“校准器”。
🔹 无限时长不崩坏：传统模型生成久了容易身份漂移（变脸），它引入 RSFM（滚动锚定帧）机制，每生成一步都回头校准初始特征，实测 10,000 秒直播唇形与面部依然稳定。
🔹 实时性突破：利用 TPP（时间步流水线并行）将复杂的去噪过程拆解到多张 GPU 像流水线一样并行处理。在 5 张 H800 上实现 20 FPS，硬是将非实时的 Diffusion 变成了实时流。
🔹 落地即变现：无需繁琐训练，一张图 + 音频即可驱动。结合 LLM 做智能客服或带货主播，官方数据显示转化率提升 25%，大幅降低人工成本。
🔗 项目主页：https://liveavatar.github.io
#AI视频 #虚拟人 #电商直播 #LiveAvatar
想做 24/7 无人直播却卡在“一眼假”？
更多动态
以后做方案别再死磕 PPT了。
Google Mixboard 迎来重大更新：基于 Nano Banana Pro 模型，将“灵感碎片”转化为“专业 PPT”的路径被压缩到了 10 分钟。 原理类似一个“自带设计师的无限白板”：你只管丢进去想法（Prompt）和素材，它负责生成视觉、组织逻辑并自动排版。 几个实测体验： 1️⃣ 工作流重构：告别传统「找素材-手动对齐」，现在是 Canvas 拖拽布局 -> AI 补全上下文 -> One-click 导出 PPTX，效率提升肉眼可见。 2️⃣ 审美在线：新模型生成的图像并非简单的拼凑，支持涂鸦修改（Sketch-to-Image）和风格统一，解决了 AI 生成图“一眼假”和素材违和的通病。 3️⃣ 使用门槛：目前需美区环境 + 18岁验证。建议优先用于前期提案、Moodboard 或品牌展示，复杂数据图表仍需人工后期干预。 👉 官网：labs.google.com/mixboard #AI工作流 #PPT制作 #GoogleLabs #效率工具
苹果刚开源 STARFlow-V，用“归一化流”重构视频生成
，速度快且长视频更稳。 技术原理简化： 主流 Diffusion 像“雕刻”，需几十步循环去噪才能出画面；STARFlow-V 的 Normalizing Flows 技术更像建立了一条“直达通道”，通过数学变换直接将噪音映射为视频，无需反复迭代。 核心亮点： 🔹 效率暴增：70亿参数 (7B) 模型，因非迭代特性，生成 5 秒视频的速度比初始版本快 15 倍，且训练只需单次前向传播。 🔹 长视频更稳：在 30 秒长视频测试中，画面一致性表现优于各类 Diffusion 竞品，有效缓解了“时间越长画面越崩”的通病。 🔹 原生多模态：得益于可逆架构，无需针对 T2V、I2V 或视频编辑分别修改模型，一套架构直接通吃。 ⚠️ 硬件短板：目前输出仅 480p @ 16fps，物理规律模拟（如物体碰撞）仍有缺陷，离商业级商用还有距离。 项目与代码：https://github.com/apple/ml-starflow #AI视频 #开源模型 #深度学习 #AppleSilicon #技术趋势
美团 LongCat-2.5发布了。
1.6T 总参、激活约 48B，原生多模态，主推长程智能体，全程国产算力训练。 图像量化成多级离散 token，Visual Coding 与 3D 受益。 大规模长程 RL，把失败轨迹转成可验证训练任务。 W4A4 推理，prefill 吞吐提升 43%。 官方自测介于 Claude-Opus-4.8 与 Opus-5 之间。
商汤开源 SenseNova Loop-9B-Preview。
它不堆参数，堆"层数"。32 层解码器，中间 4–27 层同权重跑两遍 → 前向 56 层计算，只存 9B。 自测 BIRD-Dev 71.38、AutomationBench 13.72，超 Qwen3.5-27B；Terminal Bench依旧落后。
