OmniShow：统一多模态条件生成人机交互视频
深度2026年4月15日30 分钟阅读
最有趣的发现是OmniShow通过创新架构解决了多模态条件控制与生成质量之间的权衡问题，实现了精确的视听同步。推荐计算机视觉、多模态生成和内容创作领域的研究者与工程师阅读本文。
本文编译自 OmniShow: Unifying Multimodal Conditions for Human-Object Interaction Video Generation，版权归原作者所有。
觉得有用？分享给更多人
相关文章
OpenAI 和 Anthropic 在同一天发布了语音功能更新。OpenAI 的 GPT-Live 让 ChatGPT 可以通过语音控制桌面应用、多任务并行处理；Anthropic 则强化了 Claude 的语音模式，支持更长的迭代对话和代码讨论。两家公司分别从任务自动化和深度思考两个方向拓展语音交互的边界。
深度The New Stack·7月23日·4 分钟
Anthropic 升级 Claude 语音模式，支持 Opus、Sonnet、Haiku 三种模型，并可调用外部应用完成实际任务，如改会议、写邮件。同时新增多语言支持，但免费用户仅限 Haiku 模型和单个连接应用。
深度·7月23日·3 分钟