NVIDIA 员工用 Nemotron 开源模型搭建万圣节互动鬼屋 MonsterHouse
一名 NVIDIA 员工使用 Nemotron Voice Agent 搭建了名为 MonsterHouse 的万圣节互动投影装置，让车库门化身会说话、能识别服装并带有海盗性格的智能体。
#语音
Hugging Face BlogAI 评分5353
Hugging Face BlogAI 评分5757 Hugging Face 发布 AnySpeechRecognizer 与 AnyDecisionModel 两个 Apple 平台开源 Swift 包
Hugging Face 发布 AnySpeechRecognizer 和 AnyDecisionModel 两个 Swift 包，支持在 Apple 设备上本地运行语音识别与决策模型。
NVIDIA Blog精选AI 评分6868 NVIDIA RTX Spark 笔记本新增 Nemotron 3.5 Transcribe 语音模型、智能体资源管理与 DLSS 4.5 游戏支持
NVIDIA 宣布 RTX Spark 轻薄笔记本现已由 ASUS、Dell、HP、Lenovo、Microsoft 和 MSI 发售，起售价 2599 美元，最高配备 128GB 统一内存和 1 petaflop FP4 AI 性能。
推荐理由：原文集中展示了 RTX Spark 笔记本在端侧模型、智能体资源调度和游戏技术上的多项更新，读者可据此评估本地 AI 工作流的硬件与软件生态进展。
Hugging Face Blog精选AI 评分7373 Liquid AI 发布 LFM3 系列 2B 参数级多模态基础模型
Liquid AI 发布 LFM3 系列模型，包含文本、视觉、音频、全模态和决策共六款 2B 参数级模型，均基于 LFM3-1.7B-Base 训练并支持单 GPU 微调。新架构采用三混合层设计，上下文窗口扩展至 256K tokens，文本模型在 4-bit 精度下约 1 GB，可在手机等端侧设备运行本地 Agent。
推荐理由：原文给出了六个 2B 级模型的架构细节与单卡微调路径，读者可据此评估在端侧部署专用多模态智能体的可行性。
Google DeepMind精选AI 评分7575 Google DeepMind 发布 Genie 4 实时交互式世界模型
Google DeepMind 发布 Genie 4 世界模型，支持原生多模态生成，可在实时交互中同时输出画面、环境音和人物对话。该模型基于 Gemini 系列构建，其中 Gemini 3.8 Flash 作为引导 Agent 在循环中拆解目标并验证步骤，Gemini 4 Argon 则用于将任务分解为可渲染的实时步骤。
推荐理由：Genie 4 将 Gemini 的推理能力引入实时世界模拟，展示了用文本和音频联合驱动物理与角色行为的新范式。