● SeedRealtime 音视频全双工大模型发布：走向全模态自然交互

📌 一句话摘要 字节跳动 Seed 团队发布原生音视频全双工大模型 SeedRealtime，通过统一架构融合音频、视频与文本，实现边看、边听、边说的实时交互体验，已在豆包 App 全量上线。 📝 详细摘要 本文是字节跳动 Seed 团队关于 SeedRealtime 模型的官方发布文章。文章首

● GPT-Live 底层拆解：OpenAI 如何让 95% 的音频帧不再延迟

📌 一句话摘要 文章深度拆解了 GPT-Live 如何通过音频路径重构、WARP 协议优化和双模型架构，将音频帧 p95 延迟降至旧系统 p50 水平，实现近实时语音交互。 📝 详细摘要 文章详细解析了 OpenAI 在 GPT-Live 中对实时语音系统的工程改造：首先将音频处理从 Pytho

● 理解归 AI，正确归引擎：从一句话到一条实时数据链路（0 代码搭建实时任务）

📌 一句话摘要 本文介绍一种 AI 辅助的指标驱动实时数据开发系统，通过自然语言生成 DSL 再由引擎生成 Flink SQL，实现零代码搭建实时任务。 📝 详细摘要 文章以直播业务中的实时数据需求为切入点，指出离线数据开发仅需表达业务逻辑，而实时数据开发还需处理窗口、状态、乱序等流式特性，导致

● 文件上传即可检索｜实时多模态向量链路落地实践分享

📌 一句话摘要 本文介绍了基于火山引擎 Flink 与 VikingDB 构建的实时多模态向量链路，详细说明架构、两种实现方案及验证方法，实现文件上传秒级可检索。 📝 详细摘要 文章围绕企业 AI 应用从概念验证到生产的数据更新痛点，提出使用 TOS-CDC、Flink 和 VikingDB 构

● RSTGameTranslation：游戏画面实时 OCR 翻译工具

📌 一句话摘要 该项目通过 OCR 识别游戏文字并调用 AI 翻译（支持云端和本地），在屏幕上实时显示翻译结果并可语音朗读。 📝 详细摘要 针对日文、韩文等缺少官方中文的游戏，RSTGameTranslation 能在游戏画面上实时捕获文字并使用 OCR 进行识别，再通过 Gemini、Chat

● 昆仑万维押注世界模型的两大产业路径：内容创作实时、可交互，机器人先“预演”再行动

📌 一句话摘要 昆仑万维发布 Matrix-3.5、Mureka V9.5 及 Riemann-1.0 等世界模型，分别探索游戏内容实时生成、AI 音乐创作与机器人具身智能两大产业路径，强调实时交互、状态预测与因果推理能力。 📝 详细摘要 昆仑万维在 2026 年世界模型元年集中发布多款模型，包

● 全新统一流式架构，Vivix 灵动时刻正式发布首个实时互动模型

📌 一句话摘要 Vivix 发布实时交互多模态模型 A1，通过统一流式架构与高效推理优化，使近 30B 参数的模型可在消费级 GPU 上实现低延迟实时视频对话。 📝 详细摘要 文章报道了 Vivix 公司发布的实时交互多模态模型 A1 及配套平台 W1。A1 模型能够让虚拟角色像打视频电话一样与

● 能实时改变的剧情、会行动的 AI 角色，Vivix 灵动时刻正式发布首个实时互动模型

📌 一句话摘要 Vivix 发布实时互动多模态模型 A1 和 W1，支持角色全身表演与场景动态变化，端到端延迟低至 1.7 秒。 📝 详细摘要 文章介绍了成立一年多的 AI 公司 Vivix 在 2024 年 7 月 24 日正式发布的两款约 30B 参数的实时交互多模态模型 A1 和 W1。A

● Halliday 发布第二代 AI 眼镜 Halliday G2，AI 功能走向“实时参与会议”

📌 一句话摘要 Halliday 发布第二代 AI 眼镜 G2，以双目光波导显示和 Meeting Flow 实时会议辅助为核心，强调无摄像头设计和自然佩戴体验。 📝 详细摘要 本文报道了 Halliday 第二代 AI 眼镜 G2 的发布。产品核心创新在于 Meeting Flow 体验，将实

● 从生成到行动，生数科技用通用世界模型连接「两个世界」

📌 一句话摘要 生数科技通过通用世界模型，将视频生成、实时交互与机器人行动统一，实现从数字内容生成到物理世界理解、推演与行动的闭环。 📝 详细摘要 文章介绍了生数科技的通用世界模型战略。作者指出，世界模型不仅是视频或语言模型的升级，而是 AI 从“生成内容”迈向“理解世界、推演世界、与世界实时交

● 快一点！再快一点！快到世界能实时生成｜和生数科技张金涛聊：Vidu S1、推理加速、实时交互视频

📌 一句话摘要 对话生数科技张金涛，深度拆解 Vidu S1 实时交互视频模型背后的全栈推理加速技术，以及他对 AI 视频未来趋势与创业管理的思考。 📝 详细摘要 本期节目，26 岁的清华在读博士、生数科技推理加速负责人张金涛，分享了从学术研究（SageAttention）到 Vidu S1 实

● Wan-Streamer v0.2：响应延迟仅 550ms，让 AI 真正与你"面对面"

📌 一句话摘要 Wan-Streamer v0.2 通过端到端全模态架构实现 550ms 响应延迟，支持高清视觉输出和实时双工交互。 📝 详细摘要 文章介绍了通义实验室最新发布的 Wan-Streamer v0.2，这是一个面向实时双工交互的端到端全模态理解与生成模型。其核心创新在于将听、看、说

● PixVerse 29.8 亿融资后，正在押注一个更大的故事

📌 一句话摘要 本文结合对 PixVerse Game 的实测，分析 AI 视频公司集体转向世界模型的逻辑，从融资、产品、技术演进到商业前景，揭示实时视频模型驱动游戏引擎的行业图景。 📝 详细摘要 文章以 PixVerse 完成 29.8 亿元 C 轮融资并发布实时视频模型驱动的游戏引擎 Pix

● 我和「二次元老公」约上会了！全球首个可以玩的实时交互模型，Xmax X2.0 发布

📌 一句话摘要 Xmax AI 发布全球首个实时交互视频模型 X2.0，支持毫秒级响应的实时换人、异次元召唤与触屏交互，并可在消费级显卡和 iPhone 上本地运行，开放 API 面向电商、虚拟陪伴、直播等行业。 📝 详细摘要 Xmax AI 于今日凌晨全球首发实时交互视频模型 X2.0，主推三

● 实测 PixVerse Game：当游戏可以「随玩随做」，是什么体验

📌 一句话摘要 PixVerse Game 通过自然语言实时生成可交互游戏原型，并配备 Game Composer 让创作者即时迭代，实现『创作即游玩』的体验。 📝 详细摘要 文章详细介绍了爱诗科技推出的全球首个实时视频驱动游戏引擎 PixVerse Game。用户只需输入一句话（如「一个小猫在

● 又快又聪明，阿里发布 Qwen-Audio-3.0-Realtime：实时语音大模型四项功能升级

📌 一句话摘要 阿里发布 Qwen-Audio-3.0-Realtime 实时语音大模型，在推理、工具调用、共情对话和双工交互四个维度同步升级，并提供更强的 Plus 与更快的 Flash 版本。 📝 详细摘要 本文报道阿里巴巴于 7 月 15 日发布的最新实时语音交互模型 Qwen-Audio

● OpenAI 发布 GPT‑Live 全双工语音模型

📌 一句话摘要 OpenAI 推出 GPT‑Live，采用全双工架构实现更自然的实时人机对话，具备实时翻译和对话人格增强。 📝 详细摘要 该推文引用了 OpenAI 官方公告，介绍了 GPT‑Live 作为新一代语音模型的核心升级：全双工架构使模型能够同时听取和输出语音，无需等待用户说完再响应；

● OpenAI 发布 GPT Live：全双工实时对话模型

📌 一句话摘要 OpenAI 发布 GPT Live，具备全双工架构和超越人类的同传翻译反应速度。 📝 详细摘要 推文宣布 OpenAI 发布 GPT Live 模型，该模型采用全双工架构实现同时听说能力，并在同传翻译场景下展现出超越人类的反应速度，附带了官方演示视频。 📊 文章信息 AI 初

● 50FPS、成本打掉 70%，魔芯 MoWorld 把世界模型带进产业时代

📌 一句话摘要 魔芯科技发布基于国产 NPU 的实时交互世界模型 MoWorld，推理速度超 50FPS 且成本仅为同规模 GPU 方案的 30%，推动世界模型从能生成向能交互、能部署迈进。 📝 详细摘要 文章介绍魔芯科技联合浙江大学潘云鹤院士、华为等推出的全栈国产 NPU 实时交互世界模型 M

● 广西南宁通报受灾情况

📌 一句话摘要 本文报道广西南宁市防汛救灾新闻发布会内容，包含水库漫顶、人员伤亡及转移安置数据。 📝 详细摘要 文章转述南宁市防汛救灾新闻发布会信息：7 月 6 日上午，横州市六蓝水库、云表水库出现漫顶及缺口，宾阳县六旺水库出现漫坝。截至目前，全市约 5.5 万人受灾，转移 4.8 万人，死亡