烏鴉AI日報_風聞
乌鸦智能说-1小时前
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
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。
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。