AIGCLINK

超酷，Gemini 3做的一个3D交互式网站，它通过摄像头识别手势并可实时交互，可以用手操控粒子

Gemini 3可以生成带three.js的3D交互场景，生成的场景可以用手进行互动

对线下的展会、橱窗或广告牌可以搞成隔空操控体验了

方法：
打开Google AI Studio，把提示词贴进去
把生成的代码复制出来… https://t.co/90RR5M8cV8

苹果新搞了一个RAG框架：ml-clara，解决长上下文处理效率低下、检索与生成优化过程的分离问题

其核心思想是，不要把整段文本塞给大模型，而是把“检索”和“生成”全部压缩到同一个可微的连续向量空间里，统一训练、一次推理

以此解决，1 上下文越来越长计算量爆炸，2… https://t.co/ZqoqzqD8cD

一款短视频创作自动化工具：Video-Materials-AutoGEN-Workstation，自动策划、生成文案、TTS配音、图像生成、字幕生成

它把脚本、配音、配图、加字幕等打包成了一个流水线，给定提示词即能攒出一条短视频素材

支持按模板批量生成，Gemini+TTS合成… https://t.co/0AuCM0M9le

Anthropic官方给出的【如何通过代码执行+MCP，来构建更高效的AI智能体】，把token消耗从15万降到了2千，时间/费用节省98%

随着连接工具的增多，直接工具调用方式导致的Token消耗过高、智能体效率降低问题

核心思想，把MCP服务器视为代码API，非直接的工具调用，让智能体编写代码来与MCP服务器交互 https://t.co/yDmmq8ibhP

超酷，Gemini 3做的一个3D交互式网站，它通过摄像头识别手势并可实时交互，可以用手操控粒子

Gemini 3可以生成带three.js的3D交互场景，生成的场景可以用手进行互动

对线下的展会、橱窗或广告牌可以搞成隔空操控体验了

方法：
打开Google AI Studio，把提示词贴进去
把生成的代码复制出来… https://t.co/90RR5M8cV8

苹果新搞了一个RAG框架：ml-clara，解决长上下文处理效率低下、检索与生成优化过程的分离问题

其核心思想是，不要把整段文本塞给大模型，而是把“检索”和“生成”全部压缩到同一个可微的连续向量空间里，统一训练、一次推理

以此解决，1 上下文越来越长计算量爆炸，2… https://t.co/ZqoqzqD8cD

一款短视频创作自动化工具：Video-Materials-AutoGEN-Workstation，自动策划、生成文案、TTS配音、图像生成、字幕生成

它把脚本、配音、配图、加字幕等打包成了一个流水线，给定提示词即能攒出一条短视频素材

支持按模板批量生成，Gemini+TTS合成… https://t.co/0AuCM0M9le

Anthropic官方给出的【如何通过代码执行+MCP，来构建更高效的AI智能体】，把token消耗从15万降到了2千，时间/费用节省98%

随着连接工具的增多，直接工具调用方式导致的Token消耗过高、智能体效率降低问题

核心思想，把MCP服务器视为代码API，非直接的工具调用，让智能体编写代码来与MCP服务器交互 https://t.co/yDmmq8ibhP

谷歌正在搞一款街景导航的AI工具：StreetReaderAI，由Gemini驱动，把街景变成了会说话的无障碍导航

回答问题准确率达到了86%

现在是无障碍导航，未来有可能是AI导游，可以让它帮你做实地勘查，比如说“帮我从地铁站走到图书馆，看看路上有没有障碍物，告诉我图书馆的大门长什么样”

它有几个能力 https://t.co/ZF5TROIIEr

昨晚谷歌放出了：Veo 3.1，生成自带音效、叙事控制能力更强，光影/纹理/动作连贯性等画面真实性上都做了提升

Flow中的多图转视频、首尾帧生成、场景扩展功能现在都自带音效生成

把5秒片段拉到1分钟以上，它会根据原视频最后一秒继续创作，并且自动生成对应的连贯音频 https://t.co/46lR8UZAeP