LPM 1.0：基于视频的角色表演模型
深度2026年4月13日54 分钟阅读
最有趣的发现是LPM 1.0通过多模态条件控制，首次在实时交互中同时实现了高表现力、低延迟和长期身份稳定性。计算机视觉、人机交互和游戏开发领域的研究人员和工程师应该阅读本文，了解如何从视频中学习角色表演并应用于实际交互场景。
本文编译自 LPM 1.0: Video-based Character Performance Model，版权归原作者所有。
觉得有用？分享给更多人
相关文章
作者用 Common Lisp 在 100 行代码内实现了一个 AI agent，核心循环仅 8 行。Agent 的唯一工具是 eval，它可以自行编写和运行代码，甚至通过 eval 定义新的工具函数（如 web search）。技能作为记忆存储在对话记录中，重启后可通过重读历史重新加载。
深度·7月12日·6 分钟
微软Agent Framework现在支持Go（公开预览版），提供工具调用、MCP支持和多代理协调等功能。Google的ADK已经在支持Go，而Anthropic和OpenAI的Agent SDK仍缺少Go官方支持。
深度The New Stack·7月11日·4 分钟