ICML25 | 让耳朵「看见」方向！仅依靠360°全景视频，就能生成3D空间音频
ICML25 | 让耳朵「看见」方向！仅依靠360°全景视频，就能生成3D空间音频空间音频，作为一种能够模拟真实听觉环境的技术，正逐渐成为提升沉浸式体验的关键。
来自主题: AI技术研报
7969 点击 2025-05-15 10:56
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
空间音频，作为一种能够模拟真实听觉环境的技术，正逐渐成为提升沉浸式体验的关键。
要么成为自我颠覆者，要么沦为时代旁观者
此次开源的 Wan2.1-VACE-1.3B 支持 480P 分辨率，Wan2.1-VACE-14B 支持 480P 和 720P 分辨率。通过 VACE，用户可一站式完成文生视频、图像参考生成、局部编辑与视频扩展等多种任务，无需频繁切换模型或工具，真正实现高效、灵活的视频创作体验。
热门法律AI 工具 Harvey 于 5 月 13 日在博客中宣布，将不再仅依赖 OpenAI 的基础模型，开始采用 Anthropic 和谷歌的基础模型。
字节拿出了国际顶尖水平的视觉–语言多模态大模型。
昨晚的文章里，我介绍了一个 12 人团队做的 AI 社交伴侣产品做到 3000 万美金 ARR，它主要通过 AI 的能力释放了年轻人的娱乐和创作体验《12 个人做的 AI 社交产品 ARR 破 3000 万美金，Perplexity 最新估值 140 亿美金》。
Qwen3技术报告新鲜出炉，8款模型背后的关键技术被揭晓！
今年 37 岁的印奇，已经 AI 创业 14 年。他刚渡过了至暗时刻。
MICAS是一种专为3D点云上下文学习设计的多粒度采样方法，通过任务自适应点采样和查询特定提示采样，提升模型在点云重建、去噪、配准和分割等任务中的稳健性和适应性，显著优于现有技术。
前几天 Cluade 新的系统提示词泄露了，居然有 16,739 个单词，非常长。