slug
summary
OpenAI发布了三个新语音模型，Claude新增实时网络搜索功能，DeepSeek推出支持实时翻译的AR眼镜，Roblox发布3D智能基础模型Cube以生成游戏资产，清华与哈佛提出4D语言场建模新方法以提升动态场景查询准确性。
tags
icon
password
OpenAI深夜发布3个全新的语音模型，一手实测都在这了。
OpenAI发布了三个新语音模型，包括两个改进的语音转文本模型gpt-4o-transcribe和gpt-4o-mini-transcribe，以及一个文本生成语音模型gpt-4o-mini-tts。新模型在准确性和价格上表现突出，尤其是gpt-4o-mini-transcribe性价比高，适合开发者使用。中文语音生成效果不佳，推荐使用Minimax的Audio模块。
Claude突获「超能力」！Anthropic上线实时网络搜索，逆袭OpenAI和谷歌？
Claude现在可以实时搜索网络信息，提升了回答的准确性和实用性，用户能够获取最新资讯并引用来源。此功能已向美国付费用户开放，预计将扩展至其他用户。尽管Claude的搜索能力有所提升，但仍面临搜索与深度研究之间的挑战，未来可能推出更高级的研究功能。
DeepSeek上脸实测：AR眼镜实时翻译老黄GTC演讲，完了还帮我划重点
DeepSeek与AR眼镜结合，实现实时翻译和会议助手功能，支持多种语言，具备轻量化设计和长续航，未来将与智能设备生态整合，推动AR眼镜的发展。
Roblox发布3D智能基础模型Cube，一句话生成游戏资产
Roblox推出了3D智能基础模型Cube，利用AI技术帮助用户生成游戏资产，包括3D物体、场景和角色。该模型旨在提升游戏创作体验，并支持多种协作应用。研究表明，Cube在生成常见物体方面表现良好，但在超出常识的请求上仍有改进空间。
清华&哈佛4D语言场建模新方法，动态场景精准识别｜CVPR2025
清华和哈佛的研究团队提出了一种新方法4D LangSplat，利用动态三维高斯泼溅技术实现动态场景中的开放文本查询，显著提升了时间敏感和时间无关查询的准确性，已被CVPR2025接收并开源。