Nooka：将书籍生成可互动音频，支持随时打断和提问；Sam Altman：语音与图形界面结合将带来创新丨日报

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：@赵怡岭、@鲍勃

01 有话题的技术

1、火山引擎发布豆包视频生成模型 Seedance 1.0 lite

5 月 13 日，在 FORCE LINK AI 创新巡展·上海站，火山引擎发布豆包·视频生成模型 Seedance 1.0 lite。

此次全新发布的豆包视频生成模型 Seedance 1.0 lite，支持文生视频、图生视频，视频生成时长支持 5s、10s，分辨率提供 480P、720P。

作为豆包视频生成模型系列的小参数量版本，Seedance 1.0 lite 模型实现了两大突破：影视级的视频生成质量、视频生成速度大幅提升，兼顾效果、速度、性价比，具体亮点如下：

• 更精准的指令遵循：通过强大的语义理解，可精细控制人物外貌气质、衣着风格、表情动作等，并在多主体动作解析、嵌入式文本响应、程度副词和镜头切换响应方面具有优势；
• 更丰富的影视级运镜：支持 360 度环绕、航拍、变焦、平移、跟随、手持等多种镜头语言，具备细腻高清的基础画质和影视级美感；
• 更合理的运动交互：分析动作时序与空间关系，提升人物、物体间自然流畅的交互动作，运动轨迹、受力反馈更加契合现实规律。

目前，企业用户可在火山方舟平台使用「Seedance 1.0 lite」的 API，个人用户也可在豆包 App、即梦体验。(@APPSO)

2、腾讯发布首个多模态统一 CoT 奖励模型，奖励能力大幅跃升

腾讯混元联合多家机构推出 UnifiedReward-Think，首次实现具备长链式推理能力的统一多模态奖励模型，通过三阶段训练（冷启动激发、拒绝采样巩固、GRPO 强化）提升评估能力。该模型解决了现有奖励模型只能「表面判断」的问题，展现出显式和隐式推理能力，在图像生成和理解任务中性能显著提升，同时保持高可解释性。

目前 UnifiedReward-Think 已全面开源，包含模型、数据集和工具，代表奖励模型从简单「打分器」向具备认知理解的智能评估系统转变。

项目主页：https://codegoat24.github.io/UnifiedReward/think

GitHub: https://github.com/CodeGoat24/UnifiedReward

模型：https://huggingface.co/collections/CodeGoat24/unifiedreward-m... （@腾讯研究院、@腾讯混元）

3、Morphik-Core：开源多模态 RAG，专注于处理技术文档和多模态数据（文本、图像、PDF、视频）

Morphik-Core 是一款开源多模态 RAG 项目，其专注于处理技术文档和多模态数据（文本、图像、PDF、视频），结合多模态搜索能够为开发者提供高效的数据摄入、搜索和转换工具，构建 AI 应用。

核心功能：

• 多模态搜索：基于 ColPali 技术，精准搜索文本和图像（86% 准确率），支持 PDF、视频等；
• 知识图谱：一行代码生成领域特定知识图谱，支持自然语言查询；
• 元数据提取：快速提取文档元数据，支持自然语言规则（如 PII 删除）；
• 缓存增强生成：持久化 KV 缓存，近零延迟查询，支持 1000 万+ 上下文；
• 集成：兼容 Google Suite、Slack 等，提供 Python SDK 和 REST API。

体验链接：https://www.ycombinator.com/launches/NT2-morphik-open-source-... （@shao__meng@X）

02有亮点的产品

1、阿里通义新增 Deep Research （深度研究）功能

5 月 13 日晚，阿里通义宣布将在 QwenChat 对所有人免费开放 Deep Research（深入研究）功能。

官方介绍，QwenChat 中的 Deep Research （深入研究）是由 Qwen 团队打造的一个智能助理系统，能够逐步规划复杂的研究任务，综合大量在线信息，并协助你完成复杂的科研任务。

具体而言，Deep Research 可以结合互联网上的海量信息，对复杂任务进行多步骤的搜索和分析总结，并以全面、易读的报告形式呈现研究结果。过去需要数小时才能完成的任务，现在只需十几分钟即可完成，大大提升了用户处理复杂任务的效率。(@APPSO)

2、Nooka：「与一本书对话」，小红书独立开发大赛获奖产品

（图片来源：APP Store）

一款重新定义「听书」体验的创新 App，让书籍不再只是阅读的对象，而成为可以互动的播客。小红书独立开发大赛获奖产品。

精选全球优质非虚构类书籍，以 20 分钟音频播客解读的形式呈现核心思想，帮助用户在通勤、运动、做家务等碎片时间里高效吸收知识。

不同于传统的听书平台，Nooka 最大的特色是「可对话」：用户可以在听的过程中随时打断 host 提问，AI 会基于上下文即时回答，真正实现「与一本书对话」。我们还允许用户将这些有趣的对话片段分享到社区，与他人一起探索观点、交换思考。

Nooka 使用 AI 技术生成的语音更为自然，还能根据内容调整语气和情感。用户可以选择不同的「声音角色」。「我们不只是做了一个 TTS（文字转语音）工具，而是希望重塑人与知识的关系。」Nooka 团队在获奖感言中表示，「在 AI 时代，知识获取应该更高效，也更有温度。」

美区 App Store：https://apps.apple.com/us/app/nooka-podcast-of-book-summary/i...(@Founder Park、@APPSO)

03有态度的观点

1、比尔盖茨：美国的封锁助推中国科技、芯片全速发展

近日，比尔盖茨公开接受采访时表示，美国对中国技术封锁起到反作用。他表示：「美国对中国的技术封锁起到了完全相反的效果，不仅未能限制中国科技发展，反而让中国在芯片制造等领域实现了全速发展。」

盖茨说，想要限制中国的发展是很难的，将技术完全占为已有的想法并不现实。

比尔盖茨还表示，美国的关税政策制造了大量的不确定性，对各行各业都会造成巨大的影响，而这种不确定性会导致企业无法正常开展投资活动。（@快科技）

2、 Sam Altman：OpenAI 的语音产品还不够好，语音与图形用户界面结合将带来创新

日前，OpenAI CEO Sam Altman 参加投资机构红杉资本的「2025 AI Ascent」大会，前者在大会现场接受了专访，并分享了一些 OpenAI 的创业经历、产品规划、行业预测等内容。

对于 OpenAI 的创业历程，Altman 提到公司在 2020 年 6 月推出的 GPT-3 API 并没有刮起太大风浪，但 GPT-3 API 为一些文案撰写服务的公司提供了不错的经济型服务。Altman 还翻出了老底：虽然大家无法用 GPT-3 API 构建很伟大的业务，但都喜欢与它交流。

Altman 指出，从某种意义，这是 API 产品唯一的杀手级用途。

对于时下大火的 AI Agent（智能体），Altman 预言，2025 年将成为 AI Agent 大规模应用之年，尤其在编程领域，AI Agent 将成为主导力量。他称，未来几年内，Agent 作为「数字化劳动力」将帮助各行业显著节省时间、提升效率，并带来可观商业价值。

令人有点意外的是，Altman 还在访谈中透露了语音产品在 OpenAI 的重要性。他坦言，团队目前还没有开发出足够好的语音产品。Altman 表示，自己第一次见到语音模式时，最感兴趣的就是语音产品在触摸界面开辟了一个新的交互层面，因此他也相信语音与图形用户界面结合会有一些令人惊叹的创新。

原采访链接：https://www.youtube.com/watch?v=ctcMA6chfDY（@APPSO）

更多 Voice Agent 学习笔记：

级联vs端到端、全双工、轮次检测、方言语种、商业模式…语音 AI 开发者都在关心什么？丨Voice Agent 学习笔记

a16z 最新报告：AI 数字人应用层即将爆发，或将孕育数十亿美金市场丨 Voice Agent 学习笔记

a16z合伙人：语音交互将成为AI应用公司最强大的突破口之一，巨头们在B2C市场已落后太多丨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

多模态 AI 怎么玩？这里有 18 个脑洞

AI 重塑宗教体验，语音 Agent 能否成为突破点？

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

a16z 最新语音 AI 报告：语音将成为关键切入点，但非最终产品本身（含最新图谱）

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