streaming — AI Digest

13 мая Thinking Machines Lab представляет TML-Interaction-Small: мультимодальная модель MoE на 276B для работы в реальном времени Thinking Machines Lab models-llm
11 июл OpenAI GPT-Live: полнодуплексные голосовые модели приходят на смену Advanced Voice Mode OpenAI audio
3 мая MiniCPM-o 4.5: полнодуплексное омнимодальное AI в реальном времени на граничных устройствах OpenBMB / Tsinghua University research
5 мая ElevenLabs запускает ElevenMusic: ИИ-создание музыки, ремикширование и стриминг на одной платформе ElevenLabs audio
26 июл OpenAI добавила голосовое управление ChatGPT в десктоп-приложение с поддержкой Codex OpenAI tools
31 июл Mage-VL: эффективная кодек-нативная потоковая мультимодальная базовая модель Microsoft research
28 авг VoiceMem: стриминговая двухмозговая память для взаимодействия в реальном времени research
17 июн JoyAI-VL-Interaction: открытая VLM на 8B для взаимодействия в реальном времени с автономным управлением очередью речи JD.com research
6 июн Audio Interaction Model: унифицированный стриминговый фреймворк, объединяющий офлайн и реальновременную обработку аудио по инструкциям research
25 июн Wan-Streamer v0.1: сквозная интерактивная фундаментальная модель реального времени с задержкой менее 550 мс Wan-AI research
25 авг InfinityEdit: бесконечный видеомонтаж с лёгким Edit-Ignition-адаптером Alibaba (Tongyi) research
3 мая ElevenLabs запускает ElevenMusic — платформу для создания, ремикширования и стриминга AI-музыки ElevenLabs audio
2 сен Meta Superintelligence Labs выпустила Muse Voice Transcribe — модель распознавания речи в реальном времени Meta audio
11 июн LangChain Stack: провайдер-независимые колбэки токенов контентных блоков для Anthropic, Groq, Mistral LangChain tools
22 июн llama.cpp b9754: прогресс загрузки модели в реальном времени через SSE и PEG-парсер грамматик tools
3 июл Claude Code v2.1.199: стекирование slash-skill и улучшение надёжности стриминга Anthropic tools
4 июл GitHub Copilot CLI отказывается от требования PAT в Actions; потоковая передача агентских сессий в превью GitHub tools
14 июл LightMem-Ego: лёгкая потоковая мультимодальная память для смартфонов и AI-очков ZJUNLP research
29 июл Mage-VL: эффективная codec-native стриминговая мультимодальная базовая модель Microsoft research