ByteDance의 Seed 팀은 오디오, 비디오, 텍스트를 단일 통합 아키텍처에 융합하는 네이티브 오디오-비주얼 풀듀플렉스 대규모 언어 모델인 SeedRealtime를 출시했습니다. ASR, VLM, TTS 모듈의 전통적인 캐스케이디드 스택과 달리 SeedRealtime는 지속적인 멀티모달 스트림을 통한 실시간 상호작용을 위해 지각, 이해, 의사결정, 표현을 병렬로 실행합니다.
ByteDance는 AI 증류 기술에 의존하지 않고 차세대 AI 모델을 개발하겠다는 의지를 발표했습니다.
MiniMax는 Hugging Face에 오픈 웨이트 H3 오미모달 비디오 생성 모델을 출시했으며, 단일 포워드 패스에서 비디오를 구동할 수 있는 네이티브 스테레오 오디오를 특징으로 합니다. 이 모델은 5~15초 길이의 클립에 대해 2K 해상도와 24fps를 지원하며, 생성당 최대 9장의 참조 이미지, 3개의 비디오, 3개의 오디오 클립을 허용합니다.
Douyin은 대규모 대비적 사전 학습과 잠재 추론을 결합하여 강력한 판별력과 효율성을 달성한 그 다중 모션 임베딩(DME) 모델의 기술 보고서를 공개했습니다.