XGEN 推出 JING：可交互第一人称视频音频生成体验
CurieuxExplorer · x · 2026-09-22
XGEN Labs 发布 JING，一种将动作指令、参考图像与观察历史转化为可交互的第一人称(egocentric)体验的生成系统。
用户可以通过摄像机控制自由导航、与场景中物体交互、和角色对话，同时系统同步生成视频与音频。项目已开源，提供 Hugging Face、GitHub 与博客链接。
所属事件:小鹏 XGEN 发布开源世界模型 XGEN-JING(4 条相关)→
「多模态」频道最新
- P2Echo：单一文本提示模型分割多视角心脏超声，兼顾精度与低算力 — UBC-V · 2026-11-12
- H3 玩出快动作短片:作者自建 Longshot Studio,换脸排队管理全都有 — R34vspec · 2026-11-12
- 用 Claude Fable 5.2 把《霹雳游侠》片头重制成 Netflix 风格剧集开场 — justin_hart · 2026-11-12
- Gemini 4 Carbon 花 6 小时从零搭出含鱼虾蜗牛的 3D 水族箱 — sunjiao123sun_ · 2026-11-12
- 小团队开源 Awaken:LoRA 微调把半双工语音 LLM 改造成全双工对话 — alexcovo_eth · 2026-11-12
- MiniMax H3 Image 主打电商图：草图 10 秒生成 4K 全场景素材 — MiniMax_AI · 2026-11-12