跳到正文

内容形态

模型发布 最新动态

面向游戏的模型发布:世界模型、3D 与动画生成模型、游戏智能体基座的更新与开源。

39 条精选近 30 天 21 条共收录 76 条

更新

精选归档 · 第 2 页

10月28日周三第 21–39 条
  1. Google DeepMind53

    DeepMind 推出新一代世界模拟模型 Genie 4

    Google DeepMind 推出新一代世界模型 Genie 4,可实时生成带原生音频和交互对话的模拟世界。用户可以用自然语言实时修改天气、镜头或加入人物与物体,Gemini 会调整提示并维持场景连贯。目前以研究预览形式向受信任测试者开放,Google AI Ultra 订阅用户和 Gemini API 早期合作伙伴将陆续获得访问,视觉细节和物体持久性仍可能随时间漂移。

    推荐理由:它把原生音频、实时转向和 Gemini 推理放进同一套世界模拟,可借此观察交互世界模型的可用路径。

10月22日周四
  1. fal36

    HeyGen Video 与 HeyGen Voice 上线 fal 平台

    fal 平台上线 HeyGen Video 与 HeyGen Voice 两款生成模型,视频片段内置对白、环境音和音效。视频支持文生视频、图生视频和参考图生视频,单段 5 到 15 秒,最高 2K。语音支持 39 种语言与即时声音克隆,并提供更快的 Turbo 档位。

    推荐理由:文中给出的片段时长、分辨率和语音语言数等参数比较具体,便于与其他视频与语音生成工具对照。

10月21日周三
  1. Tripo38

    Eden-Live 正式登陆 Reactor 平台

    Tripo 的实时生成式渲染工具 Eden-Live 已在 Reactor 平台正式上线,可直接体验在线 demo。引用内容介绍,它可以把 3D 场景或原型重绘为互动世界,支持结合参考图和文字实时改变风格,并允许在运行中修改提示词。

    推荐理由:Eden-Live 已在 Reactor 平台提供在线 demo,适合关注实时画面重绘和场景风格化的开发者对照评估接入方式。

10月20日周二
  1. 量子位53

    Meshy 推出 Meshy Edit,一句话描述即可局部编辑 3D 模型

    Meshy 发布局部编辑功能 Meshy Edit,用户圈选模型区域并用一句话描述改动,约一分钟生成新模型,未选中的部分保持不变。该功能已向全部注册用户开放,每次编辑消耗 20 积分,支持 Meshy 6 和 Meshy 7.1 生成的高精度模型。每次修改都会生成新模型并保留原模型,新模型可继续编辑、下载或直接送入切片软件进行 3D 打印。

    推荐理由:文中给出了圈选区域加一句话描述的编辑流程和每次 20 积分的价格,3D 创作者可据此判断它能否省下手动修改模型的时间。

10月19日周一
  1. Viggle AI35

    Viggle AI 发布 JST-2 物理原生世界基础模型

    Viggle AI 发布全栈物理原生世界基础模型 JST-2,原文称其整套模型栈在3D中构建,而非基于像素或视频空间。原文称可在数秒内生成3D场景并实时扩展,并通过同一通用架构创建内置动作的角色。

    推荐理由:与多数在像素或视频空间学习的世界模型不同,它选择直接在3D中构建整套模型栈,可作为观察不同技术路线的参照。

  2. 量子位57

    VAST开源实时世界模型EdenLive 单张消费级显卡720P下超24FPS

    VAST发布并开源实时世界模型EdenLive,可在任意参考输入和画风下实时生成画面并持续运行。据VAST介绍,在单张RTX 5090、720P条件下,5B模型生成速度超过24FPS,从用户输入到画面出现的端到端延迟为百毫秒级。EdenLive负责视觉渲染,世界状态和交互规则仍由上游交互系统维护,目前已开放模型权重、推理代码和技术报告。

    推荐理由:文章讲清了实时渲染与状态维护分工的设计思路,并给出消费级显卡上的速度和延迟数据,便于判断它在游戏原型中的可用范围。

10月16日周五
  1. ElevenLabs39

    ElevenLabs 推出 Instant Soundtracks,一次为视频生成配乐与音效

    ElevenLabs 推出 Instant Soundtracks,上传视频后可由模型生成原创配乐,并在合适时间点加入音效。用户还可以把原视频音频作为参考,让新配乐保持相近的风格。该功能已在 ElevenCreative、ElevenMusic 和 ElevenAPI 上线。

    推荐理由:功能直接面向视频创作者,可在一次处理中同时生成原创配乐和音效,适合对照现有视频后期流程评估。

10月15日周四
  1. 量子位66

    昆仑万维开源 Matrix-Game 4.0,游戏世界模型可单张 RTX 5090 实时运行

    昆仑万维旗下 Skywork AI 发布并开源游戏世界模型 Matrix-Game 4.0,据称是首款可在单张消费级显卡上实时运行的游戏世界模型。其做法是由游戏引擎维护世界状态与规则,视频模型负责实时生成画面,在单张 RTX 5090 上以约 60 FPS 运行,显存峰值约 18.5GiB,按键到画面响应不到 0.15 秒。

    推荐理由:游戏逻辑交给引擎、画面交给视频模型,这套分工给出了单卡实时游戏世界模型的一种工程思路。

10月14日周三
  1. fal34

    Mirelo SFX V2.0 已在 fal 上线

    Mirelo SFX V2.0 已在 fal 平台上线,可根据文本提示或视频输入生成音效。它能在保留对白的同时替换不需要的音乐和声音,并在视频切换镜头之间生成连贯的音效和环境音。

    推荐理由:除文本提示外还能以视频为输入生成音效,并能在保留对白的同时替换不需要的音乐和声音。

10月13日周二
  1. 量子位38

    字节世界模型在《2026 美好奇妙夜》现场亮相,可一句话生成并自由探索三维场景

    字节在抖音集团《2026 美好奇妙夜》科技节目上展示了自研世界模型,能一句话生成三维场景,并支持自由探索、实时交互、物体生成与编辑、跨场景连通,模型目前尚未正式发布,现场演示由影视飓风的 Tim 完成。

    推荐理由:以字节世界模型的现场演示为切口,比较 OpenAI、DeepMind 与英伟达在空间建模和物理 AI 训练上的路线差异。

10月11日周日
  1. The Decoder65

    Odyssey 开放世界模型 Odyssey-3 公开研究预览,提供免费在线 Demo

    Odyssey 发布世界模型 Odyssey-3 的公开研究预览,用户可从文本提示生成可交互环境并实时探索,开发者可申请 API 访问。免费在线 Demo 运行在 Odyssey-3 Flash 上,基础模型有 14 亿参数、生成 832 × 480 视频, Odyssey-3 Pro 支持 1280 × 720。

    推荐理由:在物理基准测试上,原文同时给出官方自选单次成绩与四轮平均分,读者可据此判断这类世界模型成绩的统计口径差异。

10月10日周六
  1. Tripo44

    Tripo P2.0 新增四边形网格生成、面数变体与本地 Mesh Edit

    Tripo P2.0 更新,支持更干净的四边形网格生成、多边形面数变体和本地 Mesh Edit。Smart UV 自动处理接缝位置与 UV 展开,Remove Lighting 生成更干净的基础色,便于适配不同引擎的光照设置。绑定提供更完善的人形骨架和适配引擎的预设,并新增 Text to Motion 快速生成动画,入口为 https://studio.tripo3d.ai。

    推荐理由:P2.0 把四边形网格生成、面数变体和本地 Mesh Edit 放进同一条流程,并给出适配引擎的绑定预设,方便美术按项目需求调整资产。

10月9日周五
  1. Odyssey35

    Odyssey 发布世界模型 Odyssey-3

    Odyssey 官方宣布发布世界模型 Odyssey-3,称其在让世界模型支撑物理 AI、生成用于训练智能体的环境这一方向上迈出一大步。官方表示 Odysside-3 现已开放体验,并给出 odyssey.systems/meet-odyssey-3 链接。推文未披露模型规模、能力细节或可用范围。

  2. Odyssey35

    Odyssey 发布基础世界模型 Odyssey-3

    Odyssey 发布基础世界模型 Odyssey-3,称其可支持物理 AI、人类体验以及智能体训练等多类应用。官方特别提到智能体可在 Odyssey-3 内部从经验中学习并完成目标。

    推荐理由:Odyssey 官方给出 Odyssey-3 的定位,读者可了解基础世界模型在智能体经验学习上的应用方向。

10月8日周四
  1. Tripo36

    Tripo 在 Tripo Studio 上线 P2.0 官方版

    Tripo 官方账号宣布 P2.0 官方版已在 Tripo Studio 上线,邀请用户前往其生成工作台试用。推文给出的入口为 https://studio.tripo3d.ai/workspace/generate?tab=smart_mesh&utm_source=twitter&utm_medium=social&utm_campaign=game-ready-pipeline&utm_content=p2-official。

8月31日周一
6月10日周三
  1. Inworld AI Blog40

    Inworld 下调语音与 LLM 栈价格,多数开发者降幅过半

    Inworld 宣布对整条语音栈降价,多数开发者在文本转语音、语音识别、LLM 和算力各层降幅达一半以上,新价格已面向所有开发者生效。Realtime TTS-2 降至约 $10/1M 字符,语音识别降至约 $0.10/小时,Router 可接入 100+ 模型且第三方模型不加价。

    推荐理由:Inworld 把语音栈各层价格下调并对 TTS、语音识别和 LLM 给出阶梯单价,可用来估算消费级应用的推理成本。

5月14日周四
  1. Inworld AI Blog49

    Inworld 用 Realtime TTS-2 联手 Stream Vision Agents,搭出能看能听的实时语音智能体

    Inworld 联手 Stream 搭出参考实现 Crashout Buddy,组合最新语音模型 Realtime TTS-2 与 Stream 开源的 Vision Agents 框架,可实时看表情、听语音并调整表达。

    推荐理由:文中给出了把视觉信号与情绪上下文转成语音表达指令的做法,可据此判断这条实时语音链路能否接进自己的项目。