开发者朋友们大家好：
这里是 「RTE 开发者日报」 ，每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE（Real-Time Engagement） 领域内「有话题的 技术 」、「有亮点的 产品 」、「有思考的 文章 」、「有态度的 观点 」、「有看点的 活动 」，但内容仅代表编辑的个人观点，欢迎大家留言、跟帖、讨论。
本期编辑：@qqq、@鲍勃
01 有话题的技术
1、DeepSeek 无预告更新 V3 模型，采用更开放的 MIT 开源许可
昨晚，DeepSeek 毫无预告的情况下，在 Hugging Face 上放出了最新的 DeepSeek-V3-0324 模型。先来看重点：DeepSeek-V3-0324 模型参数达 685B，目前在官方网站、APP 和小程序上已经可以体验（关闭深度思考）。本次更新为小版本更新，并非此前呼声较高的 DeepSeek-R2，但依然有不少亮点，甚至在某些能力已经与 Claude 3.7 Sonnet 相当接近。从网友反馈的实测效果来看，V3-0324 有这些提升：
-
编码能力已经接近 Claude3.7 了，比之前的老版本 v3 能力要强；
-
提升幅度大约与 Sonnet 3.5 到 Sonnet 3.6 一样，甚至还要大一点；
-
与 R1 相比，V3-0324 在生成前端代码方面有了明显改进；
-
数学能力也有提升，能像推理模型一样能够解题。
DeepSeek-V3-0324 依然保持着开源的优良传统，而且是 MIT 开源许可，意味着比上一版更加开放了。(@ APPSO)
2、32B 本地部署，阿里开源最新多模态模型：主打视觉语言，数学推理也很强
就在 DeepSeek-V3 更新的同一夜，阿里通义千问 Qwen 又一次梦幻联动了------发布 Qwen2.5-VL-32B-Instruct 。
此前开源家族视觉语言模型 Qwen2.5-VL 包括 3B、7B 和 72B 三种尺寸。这一次的 32B 版本进一步兼顾尺寸和性能，可在本地运行。
同时经过强化学习优化，在三个方面改进显著：
-
回答更符合人类偏好；
-
拥有更强的数学推理能力；
-
在图像解析、内容识别以及视觉逻辑推导等任务中，表现出更强的准确性和细粒度分析能力。
对比近期开源的 Mistral-Small-3.1-24B 、Gemma-3-27B-IT 等， Qwen2.5-VL-32B 在纯文本能力上也达到了同规模的 SOTA 表现。在多个基准上，Qwen2.5-VL-32B 甚至超过了 72B。
（@量子位）
3、杭州六小龙最新开源「空间理解模型」
「杭州六小龙」之一「群核科技」在 GTC 2025 大会开源了空间理解模型：SpatialLM。
SpatialLM 是一款专门为三维空间理解设计的大语言模型，通过三维点云数据，生成结构化的三维场景理解输出，包括墙壁、门、窗等建筑元素，以及带有语义类别的定向物体边界框。与传统需要专用设备进行数据采集的方法不同，SpatialLM 能够处理来自多种来源的点云数据，如：单目视频序列、RGBD 图像和 LiDAR 传感器等。
简单地说，SpatialLM 的本质就像是一台「空间翻译机」，通过视频理解物理世界的几何关系，再将其转化为机器能读懂的指令。
其工作原理如下：给定一个 RGB 视频，首先使用 MASt3R-SLAM 进行三维点云重建，然后利用 SpatialLM 将这些密集点云转化为结构化表示。点云编码器将点云信息编码为紧凑的特征表示，随后由大语言模型（LLM）生成描述场景的场景代码（scene codes），这些场景代码可以被进一步转换为三维结构布局。
SpatialLM 当前提供了 1B 和 0.5B 两种模型版本，相比于现在的 LLM 而言可以说是很小了。SpatialLM 采用多模态结构，有效地将非结构化的三维几何数据与结构化的三维表示相结合，提供高层次的语义理解。这一特性增强了其在具身机器人、自主导航等复杂三维场景分析任务中的空间推理能力。（@语音之家）
4、Agora 对话式 AI 插件登陆 Dify 应用市场，快速打造语音智能体
Agora 的对话式 AI 插件现已正式登陆 Dify 应用市场，为开发者带来构建实时、互动语音 AI 体验的助力。通过集成这一插件，开发者可以利用各种领先的 LLM，轻松构建语音 AI 智能体，并享受行业领先的 STT 和灵活的 TTS 服务选择。
该插件由 Agora 超低延迟的「软件定义实时网」 （SD-RTN） 提供支持，确保即使在复杂网络环境下，也能提供快速响应和全球范围内的可靠性。
凭借其快速、低代码的集成特性，开发者可以直接在 Dify 中部署语音智能体，例如虚拟助手或客户支持机器人。(@ Dify Blog)
02 有亮点的产品
1、DomoAI 宣布新功能，将图像与语音文件结合，快速生成具有自然语言表达能力的虚拟人物
AI 创意平台 DomoAI 近日宣布推出新功能，允许用户将任意图像与语音文件结合，快速生成具有自然语言表达能力的虚拟人物。
生成的数字人不仅能根据上传的语音内容同步口型，还支持多种时长选择，从 5 秒短视频到最长 60 秒的完整片段，满足不同场景需求。用户反馈显示，该功能的生成速度远超同类产品，且对中文的支持表现出色。(@ X@DomoAI_、AIbase)
2、Quest v76 PTC 可让用户将 Meta Avatar 用作虚拟网络摄像头画面
近日消息，Meta 在其 VR/MR 操作系统 Horizon OS v76 公共测试版（PTC）中推出了新功能，允许用户在视频通话应用中使用 Meta Avatar 虚拟化身替代真实摄像头画面。这一功能通过 Android API 调用前置摄像头数据，生成包含头部转动、手部动作及基于麦克风音频估算嘴唇动作的虚拟视频流。
（图片来源：uploadvr）
该功能能够实时捕捉用户的头部转动和手部动作，并将其映射到 Meta Avatar 上，使得虚拟化身的动作更加自然和流畅。基于麦克风音频，该功能能够智能模拟 Meta Avatar 的唇部动作，使得虚拟化身在视频通话中能够更准确地传达用户的语音信息。
此外，系统设置新增了「自拍相机」选项卡，支持背景图像（待实装）和虚拟视野（FOV）调节，用户可以根据自己的喜好和需求打造专属的会议空间。
在 Quest 3 设备测试中，虚拟化身可适配侧载的 Android 应用（如手机版 WhatsApp），但暂不支持网页浏览器。这意味着用户可以在多种应用中使用 Meta Avatar 进行视频通话。
需要注意的是，由于技术限制和兼容性问题，目前并非所有应用都支持这一功能。用户在使用时需要确认应用是否支持 Meta Avatar 作为虚拟网络摄像头画面。(@ uploadvr)
3、ISSEN：个性化 AI 语言导师，可语音交互
ISSEN 是一款实时语音交互的语言导师，它会根据用户的特定兴趣、学习方式和目标进行个性化调整。
功能亮点：
-
对话式学习体验： 与 AI 导师进行自然流畅的对话，有效提升口语流利度。我们的导师精通双语，能够理解并使用用户在本应用中学习的语言以及用户的母语。
-
灵活的学习结构： 学习内容丰富多样，从专注深入的语法课程到轻松愉快的日常闲聊，导师会逐渐适应用户的兴趣和学习风格，量身定制学习内容。
-
个性化按需学习： 无论用户是在旅途中还是在家中，都可以随时随地学习。我们的导师全天候待命，根据用户的需求和日程安排，为用户定制专属课程。(@ Product Hunt)
4、Spika.ai：将用户的声音和想法转化为播客
使用 Spika 创建播客，将简单的提示转换为任何语言的引人入胜的播客，并保留用户的声音进行多语言翻译。用户的声音，用户的故事，全球传播。
功能亮点：
-
多语言支持；
-
自由选择播客话题；
-
一分钟即可生成用户专属播客。(@ Product Hunt)
03 有态度的观点
1、图灵奖得主杨立昆：LLM 无法产生真正的创新
在最近一期的 Big Technology Podcast 中，Meta 首席 AI 科学家、图灵奖得主 Yann LeCun 分享了他对当前 AI 技术限制及未来发展的深刻见解。LeCun 明确指出，尽管当前的大型语言模型（LLMs）能够完成令人印象深刻的任务，但它们本质上仍是基于文本统计特征的复述和检索工具，无法产生真正的创新。他认为 AI 发展正面临收益递减的瓶颈，并表示即使通过合成数据或雇佣专家生成更多内容，系统在掌握基本逻辑方面仍然存在困难，投入与回报比例日益失衡。
对于当前 AI 行业的巨额投资，LeCun 认为这些资金主要用于建设未来几年所需的推理基础设施，而非仅为当下服务。他预测，虽然新范式不会在未来三年内完全成熟，但在 3-5 年内可能实现突破，与当前投资趋势基本一致。谈及开源与专有模型的竞争，LeCun 表示开源正在展现出更快的进展速度。他以 DeepSeek 为例，指出一个自由的小团队能提出新颖想法，甚至重新定义方法，这表明开源模式在推动创新方面具有独特优势。(@ APPSO)
更多 Voice Agent 学习笔记：
ElevenLabs 33 亿美元估值的秘密：技术驱动+用户导向的「小熊软糖」团队丨Voice Agent 学习笔记
端侧 AI 时代，每台家居设备都可以是一个 AI Agent丨Voice Agent 学习笔记
世界最炙手可热的语音 AI 公司，举办了一场全球黑客松，冠军作品你可能已经看过
对话 TalktoApps 创始人：Voice AI 提高了我五倍的生产力，语音输入是人机交互的未来
2024，语音 AI 元年；2025，Voice Agent 即将爆发丨年度报告发布
对话谷歌 Project Astra 研究主管：打造通用 AI 助理，主动视频交互和全双工对话是未来重点
写在最后：
我们欢迎更多的小伙伴参与 「RTE 开发者日报」 内容的共创，感兴趣的朋友请通过开发者社区或公众号留言联系，记得报暗号「共创」。
对于任何反馈（包括但不限于内容上、形式上）我们不胜感激、并有小惊喜回馈，例如你希望从日报中看到哪些内容；自己推荐的信源、项目、话题、活动等；或者列举几个你喜欢看、平时常看的内容渠道；内容排版或呈现形式上有哪些可以改进的地方等。
素材来源官方媒体/网络新闻