烏鴉AI日報_風聞

乌鸦智能说-1小时前

2024-05-29

Suno悄悄更新了新模型v3.5，並且還在X上放出了最新功能的視頻，繼各大模型退出的圖生圖後，Suno發了一個“聲生聲”模型，支持將日常生活中的任何聲音生成一段好聽的旋律。

Open-Sora1.1發佈，新版本模型帶來了顯著提升，尤其在視頻生成質量和時長方面，能生成最長約21秒視頻。

過去一天，國內外AI行業還有哪些熱點值得關注呢？讓烏鴉君帶你一起看看吧。

/ 01 / 國內要聞

1）北大、騰訊推出ReVideo：通過動作和內容精確編輯視頻

來自北京大學和騰訊的研究團隊及其合作者，提出一種“重塑視頻”（ReVideo）嘗試，通過指定內容和動作，在特定區域進行精確的視頻編輯。ReVideo解決了內容和動作控制之間的耦合和訓練不平衡問題，在幾種精確的視頻編輯應用中具有良好的性能，包括部改變視頻內容，同時保持動作不變等。

2）榮耀即將推出首款搭載谷歌Gemini AI的智能手機，預計面向海外市場

榮耀終端有限公司的一位發言人透露，即將推出的設備將集成谷歌Gemini AI、文本到圖像生成工具Imagen 2等生成式AI服務，並且由Google Cloud提供相關的服務支持。

3）基於螞蟻百靈大模型，支付寶發佈智能車機產品“領航”

支付寶正式推出全新智能車機產品“領航”，該產品是螞蟻百靈大模型在車載場景的首次應用，可通過AI技術自主理解語意、識別並執行用户意圖、完成交易閉環。支付寶表示，該產品已面向行業試點開放，未來將聯合車企。

4）實時識別物體的模型YOLOv10升級：識別延遲減少46%

清華團隊接棒的YOLO系列已推出實時識別物體模型YOLOv10。v10相比v9版本，參數降低25%，識別延遲減少46%。YOLOv10通過消除非最大抑制（NMS）的依賴性，實現了無NMS的訓練和低推理延遲。

論文地址：https://arxiv.org/pdf/2405.14458

項目地址：https://github.com/THU-MIG/yolov10

5）同濟大學首個“知識大模型”CivilGPT上線

近日，在同濟大學建校117週年之際，首個“知識大模型”CivilGPT正式發佈。CivilGPT大模型構建了垂域高質量語料集，基於千億級基礎模型進行訓練，形成了具備土木工程領域專業知識的首個垂域大模型。

6）摩爾線程GPU千卡集羣完成30億參數大模型實訓

摩爾線程、無問芯穹聯合宣佈，雙方已經正式完成基於國產全功能GPU千卡集羣的3B規模大模型“MT-infini-3B”實訓，該模型基於摩爾線程國產全功能GPU MTT S4000組成的千卡集羣，以及無問芯穹的AIStudio PaaS平台打造。

/ 02 / 海外動態

1）Open-Sora 1.1發佈視頻質量提升，生成時長延長至21秒

一位推友@LinBin46984 在X上表示，Open-Sora1.1發佈。此次模型帶來了顯著提升，尤其在視頻生成質量和時長方面。新版本模型能生成最長約21秒視頻，使用高質量視覺數據和字幕訓練，提升對世界運作的理解。CausalVideoVAE架構優化提高性能和推理效率。

GitHub地址：https://github.com/PKU-YuanGroup/Open-Sora-Plan

2）Suno更新V3.5版本，一句話生成一首4分鐘的歌曲

3）OpenAI解散安全團隊後成立監督委員會，Sam Altman領導

OpenAI宣佈成立由Sam Altman領導的委員會，並已開始訓練其下一個人工智能模型。新委員會將用時90天來評估其AI模型的安全性和保障措施。在全體董事會審查之後，OpenAI將公開分享已採納的建議。

4）Canva上線多個好用功能：文本生成插畫、自動剪輯視頻精華片段

Canva設計平台最新更新旨在提升專業團隊和工作空間的吸引力，包括重新設計平台、推出企業版、提供AI風格匹配功能等。更新內容涵蓋多項功能和改進，使設計工作更高效便捷。

5）InstructAvatar：實現文字生成指定面部的表情和動作

InstructAvatar 是一項最新的對話形象生成模型，通過文本引導方法實現了對情感和麪部動作的細粒度控制，提升了虛擬形象的互動性和泛化能力。該模型在細粒度情感控制、口型同步質量和自然性方面優於現有方法，能指定面部的表情和動作，為生成具有情感表達的2D虛擬形象帶來了突破性進展。

6）Netflix CEO：搶你飯碗的不是AI，而是熟練使用AI的人

Netflix CEO Ted Sarandos在接受《紐約時報》採訪時表示，他並不認為AI未來有一天會取代編劇、演員和導演，但精通AI的人可能會取代人們的工作。