米哈游蔡浩宇新游戏：实时生成角色语音、情绪和动作；Argmax 端侧说话人分离框架：10M 大小 1 秒识别 4 分钟音频丨日报

RTE开发者社区

2025-03-17

导读：本期关键词：混元 3D 开源日、个性化教育难题、计算机听懂人话

开发者朋友们大家好：

这里是「RTE 开发者日报」，每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE（Real-Time Engagement）领域内「有话题的技术」、「有亮点的产品」、「有思考的文章」、「有态度的观点」、「有看点的活动」，但内容仅代表编辑的个人观点，欢迎大家留言、跟帖、讨论。

本期编辑：@qqq、@鲍勃

有话题的技术

1、腾讯官宣本周开启「混元 3D 开源日」

近日，腾讯混元宣布，分别在 3 月 18 日和 3 月 19 日两天（都为上午 11 时）开启「混元 3D 开源日」。今年 1 月，腾讯混元宣布正式开源 3D 生成大模型 2.0 版本（Hunyuan3D-2.0），同时上线业界首个一站式 3D 内容 AI 创作引擎。据官方介绍，Hunyuan3D-2.0 相较于 1.0 版本，在 3D 模型生成效果上有显著提升，在几何结构上更加精细，纹理色彩更加丰富；根据 CLIP Maximum Mean Discrepancy （CMMD）、Frechet Inception Distance （FID）和 CLIP-score 指标，Hunyuan3D-2.0 模型的整体表现，在业界处于领先梯队。

而一同上线的腾讯混元 3D AI 创作引擎，可通过提示词或图片，直接生成高质量 3D 模型，并且还有 3D 功能矩阵、3D 编辑、3D 生成工作流、创作素材库等多种功能；混元 3D AI 创作引擎还支持设计 3D 生成工作流，用户只需要输入提示词，或上传图片，调整节点生成参数，即可一键生成具有特定风格和特征的 3D 资产。(@APPSO)

2、百度发布首个原生多模态大模型文心大模型 4.5 和深度思考模型 X1

3 月 16 日，百度正式发布文心大模型 4.5 及文心大模型 X1。据介绍，文心大模型 4.5 是百度首个原生多模态大模型，其多模态理解、文本和逻辑推理能力显著提升，在多项测试中表现优于 GPT4.5，API 调用价格仅为 GPT4.5 的 1%；文心大模型 X1 为深度思考模型，性能对标 DeepSeek-R1，并增加多模态、多工具调用能力，API 调用价格约为 R1 的一半。

此前，百度曾宣布文心一言将于 4 月 1 日免费，本次发布不仅带来两款全新大模型，且将免费时间提前，全面提升用户体验。

同时，文心大模型 4.5 已在百度智能云千帆大模型平台上线，输入价格低至 0.004 元 / 千 tokens；文心大模型 X1 价格仅为 DeepSeek R1 一半，输入价格 0.002 元 / 千 tokens。目前，在文心一言官网即可免费体验文心大模型 4.5 和文心大模型 X1。(@APPSO)

3、Argmax 推出端侧说话人分离推理框架，10M 大小，1 秒识别 4 分钟音频

https://www.argmaxinc.com/blog/speakerkit

为了响应开发者社区对设备端说话人分离功能的强烈需求，Argmax 公司推出了 SpeakerKit。SpeakerKit 是 Argmax SDK 系列设备推理框架的最新成员，旨在解决开发者在使用 WhisperKit 时最为迫切的功能需求：说话人分离，即识别「谁在何时说话」这一重要任务。

亮点

速度： 在 iPhone 上，SpeakerKit 仅需约 1 秒即可识别 4 分钟音频中的说话人。经测试，该速度远超其他任何系统，无论是在服务器端还是设备端。
质量： 尽管速度提高了一个数量级，SpeakerKit 在 13 个数据集上的错误率与 Pyannote 等最先进的系统相媲美。
大小： SpeakerKit 总大小约为 10 兆，可以轻松地与应用程序捆绑或快速下载。
广泛兼容性： 该框架支持所有运行 iOS 16 或 macOS 13 及更新版本的设备。Android 版本的支持也即将推出。
模块化： SpeakerKit 可以与 WhisperKit 协同工作，生成带有说话人标注的转录文本（「谁在何时说了什么」）。此外，它还可以与其他任何转录引擎结合使用，提供了许多服务器端 API 所不具备的灵活性。(@argmaxinc blog)

有亮点的产品

1、蔡浩宇的新游戏，今天终于正式曝光了

（视频来源：视频号「游戏葡萄」）

近日，由米哈游创始人蔡浩宇创立的 AI 游戏公司「Anuttacon」，公布首个游戏项目《Whispers From The Star》。据介绍，《Whispers From The Star》主角是一个天体物理系女生 Stella，她意外坠落在了一个外星星球上，玩家是她唯一能联系的人，同时玩家的任务是帮助她生存下去，并离开 GAIA 星球。该游戏最大亮点就是 Stella 的对话是 AI 实时生成，根据玩家输入的对话内容，Stella 会给出不固定的回答、情绪和动作。《Whispers From The Star》主打以 AI 驱动角色的实时对话，为玩家提供开放、个性化，并且身临其境的游玩体验。该游戏或为 Anuttacon 的实验产品，旨在验证多模态模型驱动下，实时交互的表现，因此《Whispers From The Star》的画面为 100% 实时演算。

值得关注的是，《Whispers From The Star》主要平台为手机，目前已向 iOS12 以上的 iPhone 开启内测。《Whispers From The Star》的开发公司 Anuttacon，是由米哈游创始人蔡浩宇宣布从公司卸任「退休」后所打造的首个 AI 创业项目，于去年 8 月被曝光。该公司致力于用 AI 为玩家创造前所未有的体验，突破互动娱乐的界限。团队创立之初已有不少业内大牛加入，其中包括微软图形学大佬童欣、前 B 站游戏和直播负责人王宇阳等。(@APPSO)

2、伴鱼 AI 私教破解个性化教育难题

在国家全面推进「人工智能+教育」的战略背景下，伴鱼智学正式发布「AI 私教大模型系统」，凭借「纳米级知识体系」「全场景督学服务」「探究式学习闭环」三大核心能力，重新定义智能教育新范式，打造极致的个性化教育，让每个孩子发出独特的光。该系统基于 3000 万节课程、7000 万用户学习数据训练，在 1 对 1 真人教学场景中多项指标超越 OpenAI GPT 等国际大模型，成为国内首个通过「新课标理解准确率 98.5%」认证的 AI 教育产品。

学、练、测、评、复一体实现全流程闭环

伴鱼构建了覆盖「课前-课中-课后」的完整学习生态，学习时 AI 私教 1 对 1 交互式答疑，支持语音、视频、圈选提问等多模态互动；练习基于错题基因库智能推送母题，实现「做一题顶十题」；复习采用艾宾浩斯记忆算法，个性化规划每日复习计划；督学方面独创「三师服务」（AI 私教+班主任+名师），实时同步学情至家长端，解决「辅导依赖家长」的痛点。学生家长反馈，使用伴鱼 AI 私教后，孩子作业完成效率提升 40%，主动提问频率增长 210%。（@实况网）

有态度的观点

1、GitHub CEO：真正的 AI Agent，还有很长的路要走

近日，GitHub CEO Thomas Dohmke 接受播客 No Priors 的采访，其中 Thomas 在谈话中深入讨论了 AI Agent 对程序员的影响、AI 对软件团队的影响有多大等内容。开篇，Thomas 便定下了 AI Agent 广泛采用的标准：对用户来说，可预测的、可操控的、可验证的和可容忍的。其解释道，AI Agent 真正的目的在于提高用户的效率，而不是浪费用户的宝贵时间，同时 AI Agent 也需要一个好的推理模型，并弄清楚什么是正确的开发流程。Thomas 也表示，目前人类离 AI Agent 真正足够好还有很长的路要走，主要问题在于 AI Agent 没办法向人类一样，将系统思维代入到实际的开发中去。Thomas 指出，人类在做事情的过程中不断提出、解决新的问题，而目前 AI Agent 还是只能将一件大事分成小块而进行逐一解决。与其他人一样，Thomas 也有自己对 AI Agent 的未来想象。他认为，未来的 AI Agent 将会更加个性化，能够跟随用户的思路去给出符合用户想法的解决方案，并让解决结果更像用户自己的风格，同时，AI 模型也将变得更加多元化、更多选择。(@APPSO)

社区项目推荐

1、Talk to Computer：让计算机听懂人话

来自@张锑：因为惊叹于 LLM 对语言的理解能力，我想要借助它让计算机听懂人话。现在支持了语音输入，有一句话直达搜索/网页/Steam 游戏这些功能。当前支持功能还比较简单，欢迎讨论和提需求。

特性

支持 Windows/Mac
无需环境直接下载 exe/dmg 使用
算力使用云服务（硅基流动），对自己电脑性能无要求

https://github.com/zhangti112358/TalktoComputer

有看点的活动

1、官宣！【B4B 大数据商业应用挑战赛 2024-25】参赛者招募！

B4B 大数据商业应用挑战赛 2024-25 载誉归来！今年主题「碳科技于房地产 CarbonTech for Real Estate」和「从 AI 驱动的虚拟科技 Virtual Media Tech powered by AI」，我们期待通过这次命题，让科技在推动环境、社会和治理（ESG）倡议中的成为重要角色。参赛者将利用创新解决方案，探索技术如何应对气候变化和企业责任等全球性挑战。这一主题鼓励创造性思维和合作，激励团队开发不仅能推进商业目标，还能为社会和环境作出积极贡献的方案。

立即报名：
https://forms.office.com/r/yikgCvK3Rp

截止报名日期：
2025 年 3 月 17 日

🎯我们不限范围和应用，只要您的解决方案能解决 ESG 问题，并符合公众对数据获取、存储、使用和分析的道德期望，我们都欢迎您的参与，参赛队伍可以免费参加香港会议展览中心国际创科展（InnoEX）！此外，入围的队伍亦有机会跟同行顶尖及有丰富经验的导师团队学习，并有机会到国内，与内地的团队及企业进行交流，这将是一个难得的学习和交流机会！

🏘️「碳科技于房地产 CarbonTech for Real Estate」：新建材、能源管理、设计与规划、建筑与拆除以及设施管理等方面，都需要大数据的帮助。房地产不仅仅是建筑和砖块，从工作场所到购物场所，交通运输站点，甚至是我们的住所，它与我们的生活息息相关。我们期望能够在大数据及物管科技的帮助下，进一步推动业界减少碳排放，为环保出一分力。

🌐和「从 AI 驱动的虚拟科技 Virtual Media Tech powered by AI」：虚拟技术将在转变传统实践中发挥关键作用，但硬件进步、价格可负担性和使用者舒适度等都是需要克服的障碍。我们期待您的创新解决方案，让虚拟技术更加普及、易用和更具有成本效益。

🔥现在就与身边的朋友前来挑战，展现您的大数据技术和创新思维，一起创造更加美好的未来！🔥（@B4B 大数据挑战赛）