Google представила Gemini 3.8 Live с функцией Live Avatar. ИИ может одновременно слышать и видеть собеседника, отвечать голосом и показывать на экране виртуального персонажа с мимикой и синхронизацией губ. Аватар поддерживает 97 языков и может переключаться между ними во время разговора. Gemini также умеет обрабатывать видео с камеры и изображение с экрана, а пока пользователь … Читать далее
Команда Qwen выпустила Qwen3.8-Omni-Flash — новую мультимодальную модель для работы с текстом, изображениями, аудио и видео. Она поддерживает контекст до 1 млн токенов и умеет не только анализировать контент, но и планировать задачи, вызывать инструменты и выполнять многошаговые действия. Основной упор сделали на длинные аудио- и видеозаписи. Модель может разбирать встречи, искать нужные фрагменты в … Читать далее
Исследователи Alibaba представили Qwen3.5. Модель учится работать с разными типами данных. Цель — создать настоящего мультимодального агента.