新团队 Noiz 推实时交互多模态模型，推理成本降至主流百分之一
一个神秘新团队用百分之一成本实现实时交互式音视频生成，让 AI 从内容生成器变为可沉浸参与的智能体。
新创团队 Noiz 训练出实时可交互多模态模型——能持续感知用户操作并即时响应，而非像传统模型那样只生成一段内容。其推理成本约为当前主流音视频模型的百分之一。团队通过不依赖语言中转、直接建立事件表征，并在基础模型上构建交互层，试图将一次性生成改造成可进入和改变的世界。
正文摘录
 新智元报道  你想象过，你的行为能如何改变这个世界吗？ 过去两年，AI 爆发出了惊人的创造力。下一步，我们该如何与所创造的世界交互？ 这正是 Noiz 团队成员们持续想象、持续创造的命题。  新团队，1/100 成本 与他们的实时交互模型 2024 年以来，AI 内容生成迎来了真正的商业爆发。 OpenAI 用 ChatGPT 打开了生成式 AI 时代；Midjourney、Runway、Pika、Luma、Seedance、PixVerse、Minimax H3、Wan 3.0 等一批生成模型快速崛起，AI 视频、AI 图片、AI 音频相继完成商业验证。 随着 AI 内容生成进入商业化增长的快车道，资本也开始押注下一代 AI。 李飞飞创办的 World Labs 完成 10 亿美元融资，几乎同时，杨立昆（Yann LeCun）的 AMI Labs 也完成了 10.3 亿美元融资。 Google DeepMind、Meta、NVIDIA 等科技巨头纷纷布局，行业的焦点逐渐 从「生成内容」转向「理解世界」。 然而，当这些模型真正进入产品时，AI 领域迎来全新的挑战： 今天的大多数多模态模型，依然擅长生成（Generate），却无法实现沉浸式交互（Interact）。