En el panorama de la IA europeo también se están haciendo algunos desarrollos muy interesantes, como esto de Kyutai (🇫🇷)

Un modelo de interpretación simultánea (real-time), capaz hasta de reproducir el acento del orador, ¡y corre en un móvil!

De momento solo francés->inglés, pero muy prometedor:

Dudaba de ello, pero empiezo a pensar que sí es factible construir un 'modelo del mundo', aunque sea aproximado, a partir de simples secuencias de imágenes.

Fotorealismo y consistencia en composiciones que [casi seguro] no están entre los datos de entrenamiento es un reto mayúsculo.

Los niveles de consistencia física de Veo2, el nuevo modelo de vídeo de Google, son alucinantes. Ya está, se han pasado el juego.