ElevenLabs 发布 ElevenAgents Unity SDK
ElevenLabs 发布 ElevenAgents Unity SDK,可将 Unity 场景连接到 ElevenLabs 语音代理,通过玩家麦克风收音并用 AudioSource 播放代理声音,会话由 Conversation API 运行。
推荐理由:官方发布 Unity SDK,说明语音代理如何接入游戏场景、按角色切换声音并触发游戏代码,适合评估实时语音交互的实现路径。
ElevenLabs 发布 ElevenAgents Unity SDK,可将 Unity 场景连接到 ElevenLabs 语音代理,通过玩家麦克风收音并用 AudioSource 播放代理声音,会话由 Conversation API 运行。
推荐理由:官方发布 Unity SDK,说明语音代理如何接入游戏场景、按角色切换声音并触发游戏代码,适合评估实时语音交互的实现路径。
OpenAI 发布 Images 2.6,带来更快的图像生成、GIF 创建和更精确的编辑,并新增 API 控制。该版本覆盖 ChatGPT、Codex 和 API。
推荐理由:原文列出图像生成提速、GIF 生成、更精确编辑与 API 控制四项变化,读者可据此判断工作流是否需要调整。
可灵发布 Kling 4.0 创作者作品集,集中展示用该版本生成的动作场景,涵盖打斗节奏、动作力度与镜头精度。内容以作品片段形式呈现,未披露具体参数或使用流程。
推荐理由:可灵官方用一组动作片段展示 Kling 4.0 在打斗节奏、动作力度和镜头精度上的生成表现,可供评估其动作场景能力。
BFI 刊文讲述 Graham Moffat 1926年执导的44分钟有声剧情片《Till the Bells Ring》,该片于1926年10月11日在爱丁堡 Synod Hall 公开放映,全片对白与声音同步,比1927年的《The Jazz Singer》早一年。
推荐理由:借一部1926年英国有声长片的沉浮,回看声音进入电影时被忽视的技术路线与行业判断。
ASC 官网动态显示,Elation 宣布推出 Fuze Profile+ 灯具。目前仅有标题信息,具体规格与功能尚未公布。
ASC 官网转载消息,DFT 推出 Scanity 2 胶片扫描仪。原文仅给出标题,未披露规格、功能或上市信息。
Black Forest Labs 开放多模态基础模型 FLUX 3 的早期访问,可在同一架构下联合生成图像、视频与音频。FLUX 3 Video 单次可生成最长 20 秒带原生音频的视频,支持文生视频、图生视频、视频生视频、关键帧过渡与多镜头串联,官方称早期对比中相对 Runway Gen-4.5 的偏好率为 77%、相对 Luma Ray 3.2 为 93%。
推荐理由:官方公布了 FLUX 3 在视频、图像、动作预测上的能力与早期对比偏好数据,可据此判断多模态统一模型在影视生成流程中的位置。
Black Forest Labs 宣布 FLUX 3 早期版本已在机器人上运行,并与 mimic 合作推出基于 FLUX 3 骨干的 FLUX-mimic 视频动作模型。
推荐理由:原文披露 FLUX 3 在视频、音频与动作上联合训练,并给出加入动作预测后视频质量先降后回升的训练曲线,可供关注多模态生成模型能力边界的读者参考。