Fish Audio Drama 3开源发布:35B混合专家模型实现语音导演与多轮修订

Fish Audio 在 Hugging Face 发布 Drama 3 技术报告,一个 35B 参数、每 token 激活 3B 的开源语音生成模型,首次将多轮修订、场景配音、填充编辑和流式输入整合进单一模型。

Fish Audio 在 Hugging Face 发布 Drama 3 技术报告,一个 35B 参数、每 token 激活 3B 的开源语音生成模型,首次将多轮修订、场景配音、填充编辑和流式输入整合进单一模型。

alphaXiv 2026年10月12日收录的论文提出 Mixture of GFlowNets(MoG),用一组异步训练的 GFlowNet 加一个软分类器划分状态空间,在基因组理想型设计任务中用 K=64 覆盖 1024 个最优解中的 39%,高于独立智能体的 31% 和数据并行训练的 20%。

alphaXiv 2026年10月13日展示的 RoboSimStudio(RSS)工具包,让开发者和 AI 智能体可编辑物理参数、交互式构建 Real2Sim 仿真,并在试点中用 56 分钟从手机视频复现机器人擦拭任务。

一篇论文提出从一组无序方向向量一次性构造球面简单四边形网格的方法,用于骨骼关节的参数化体积建模,避免传统逐分支插入导致的非凸分区。

arXiv 新论文 ANASSA 将此前的高层空间智能体编排框架,细化为包含 47 个逻辑角色、版本化任务图和溯源记录的低层架构,让地理空间 AI 工作流更可检查、可重建。

开发者@CarsonYangk8s公开了一套基于FastGPT构建的社群客服工作流,通过15个节点、28条连线实现消息意图过滤、多渠道分流与知识库应答,试图解决微信群客服自动化中机器人刷屏与错答的痛点。

开源项目 wordcraft 用 Rust 独立重写 Word 文档处理内核,支持读写 .docx,并内置 MCP 服务器让 AI 代理直接调用文档命令,同一套 389 个命令同时驱动界面、CLI 和 AI 操作。

微软开源生态负责人 Ryan Waite 在 Open Source Summit 上提出,AI 是企业的“爬山机器”,但企业必须掌控自身数据与知识,避免被单一 AI 模型或供应商锁定。

开发者工具 Agent Standup 将 Claude Code 的会话变成一场实时站会通话,让主代理和子代理像团队成员一样轮流“共享屏幕”、汇报进度和依赖关系,而官方称查看这些状态几乎不额外消耗 token。

InfoQ 中文站发布了一份实践指南,总结如何用 AI 编码智能体记录遗留服务、发现架构缺陷、做安全审计、生成架构基础与可测试的最小可行架构(MVA),核心结论是:AI 加快写代码,但需求和约束的显式定义反而变得更关键。