ChatGPT的火爆，让一部分人欣喜的同时，也让另一部分人担忧。尤其是客服、岗位、内容等岗位的同学，会担忧AI机器人能否取代其工作?AI机器人真实的落地效果如何?AI机器人能完成到哪种程度?句子互动CMO张佳就做了一个测试，以运营工作为例，他试着把日常工作内容交给AI，从私域IP
......
本文由站长之家合作伙伴自媒体作者“见实公众号”授权发布于站长之家平台，本平台仅提供信息索引服务。由于内容发布时间超过平台更新维护时间，为了保证文章信息的及时性，内容观点的准确性，平台将不提供完全的内容展现，本页面内容仅为平台搜索索引使用。需阅读完整内容的用户，请查看原文，获取内容详情。
（举报）
11.11云上盛惠！海量产品 · 轻松上云！云服务器首年1.8折起，买1年送3个月！超值优惠，性能稳定，让您的云端之旅更加畅享。快来腾讯云选购吧！
腾讯云
12-20
正在悄然切换，进入AI时代。现在打开淘宝，搜索“淘宝问问”，你可以直接跳转到一个全新的页面。它还不是最终形态，如何让电商和AI更好地结合，找到那条打通最佳的用户体验和购物链路的路径，才是真正的挑战。
ChatGPT在25日正式推出了全新版本，现在可以看、听、说”了。新的版本支持语音进行操作和沟通，通过新型文本转语音模型和语音识别系统实现，允许用户进行语音对话，并且提供5种不同的语音选择，iOS和安卓APP都已经开放。这里还是提醒大家，如今在AI和互联网技术十分发达的时代，一定要擦亮双眼，避免受骗。
给自己放个假吧ChatGPT，再更新的这么快，网友的脑洞可就跟不上了。ChatGPT宣布了一次重要更新，然后有了全面的多模态能力。
9月29日，Appleinsider消息，苹果CEO蒂姆·库克在接受《伦敦标准晚报》采访时回应，正在加大对人工智能、机器学习人才的招聘，用于开发生成式AI产品。AI功能几乎遍布苹果的所有产品，例如，AppleWatch的跌倒检测、碰撞检测、心房颤动检测、心电图等，这些都是最典型的应用案例。相信在不远的将来，我们会在siri、iphone、iwatch等产品中，使用上苹果版ChatGPT。
自从ChatGPT问世以来，大模型如何落地、盈利，就成了无数创业者都在思考的问题。一个尴尬的现实是，现阶段C端最受欢迎的一类AI应用，实在让人很难以启齿……尽管ChatGPT发布后，OpenAI十分注重模型的安全性、合规性，但还是有很多开发者攻破了ChatGPT的安全漏洞，让GPT实现了“越狱”，并开发出了各种突破限制的AI应用。这样的“预演”，在C端大模型落地困难的今天，无疑提供了一种另类的“经验”。
美东时间9月25日，OpenAI在官网宣布，对ChatGPT进行重磅升级实现看图、听声音、输出语音内容三大功能。早在今年3月OpenAI发布GPT-4模型时，就展示过看图的功能，但由于安全、功能不完善等原因一直没有开放。BeMyEyes将ChatGPT的看图功能，植入在应用中，为盲人和弱视群体提供服务。
OpenAI宣布给聊天机器人ChatGPT增加了语音交谈的功能。这将给谷歌、苹果等巨头在智能语音助手领域带来冲击。OpenAI工作人员表示，他们已经测试了语音和图像功能，并增加了安全措施，以确保机器人对敏感话题作出适当的回应。
9月16日，Skynews消息，英国知名上诉大法官ColinBirss勋爵，在英国律师协会最近举办的一次活动的演讲中表示，他正在使用ChatGPT总结一些法律的裁决书。Birss说:“当我正准备写一份法律裁决书时，也知道该如何写。主要面向在英格兰和威尔士注册的律师，提供行业新闻、法律分析、职业发展信息以及有关法律实践和法律职业的各类话题。
OpenAI宣布，其聊天机器人ChatGPT现在可以「看、听、说」，或者至少能够理解口语，用合成的声音回应并处理图像。这次更新是自引入GPT-4以来OpenAI最大的一次改进。但该公司还指出，在此过程中转录被视为输入，并可能用于改进大型语言模型。
据Appfigures公布数据显示，ChatGPT移动端营收增长已开始放缓。在过去的几个月里，ChatGPT的营收增长一直保持在30%以上，其中7月份为31%，8月份为39%。尽管9月份有所下降，但它仍然超过了ChatGPT的收入。
MuLan是一个开源的多语言扩散模型，旨在为超过110种语言提供无需额外训练即可使用的扩散模型支持。该模型通过适配技术，使得原本需要大量训练数据和计算资源的扩散模型能够快速适应新的语言环境，极大地扩展了扩散模型的应用范围和语言多样性。MuLan的主要优点包括对多种语言的支持、优化的内存使用、以及通过技术报告和代码模型的发布，为研究人员和开发者提供了丰富的资源。
MiLM-6B是由小米公司开发的大规模预训练语言模型，参数规模达到64亿，它在中文基础模型评测数据集C-Eval和CMMLU上均取得同尺寸最好的效果。该模型代表了自然语言处理领域的最新进展，具有强大的语言理解和生成能力，可以广泛应用于文本生成、机器翻译、问答系统等多种场景。
TalentGenius是一个利用人工智能技术帮助专业人士评估技能、优化职业路径，并匹配最佳工作机会的平台。它通过AI工具提供个性化的职业导航、辅导、招聘和咨询，帮助用户在技术快速发展的今天保持竞争力。
Pipecat是一个开源框架，用于构建语音和多模态对话代理，如个人教练、会议助手、儿童故事玩具、客户支持机器人、接待流程和机智的社交伴侣。它支持本地运行，并可迁移到云端，集成了多种AI服务和传输方式，具有高度的可定制性和扩展性。
MetaTrend是一个专注于提供AI、加密货币和金融行业趋势的新闻网站。它通过每日更新的新闻摘要，帮助用户快速了解这些领域的最新动态，对于希望紧跟科技和金融潮流的专业人士来说，这是一个不可或缺的工具。
打标助手是基于GPT4-Vision开发的一个在线工具，它通过微调prompt实现批量图片文字标注，为基于SD模型的训练提供数据支持。该工具的主要优点在于其免费性、批量处理能力和高效的标注准确性，特别适合需要大量图片标注的科研和商业用户。
Gemma 2是下一代谷歌Gemma模型，拥有27亿参数，提供与Llama 3 70B相当的性能，但模型大小仅为其一半。它在NVIDIA的GPU上运行优化，或在Vertex AI上的单个TPU主机上高效运行，降低了部署成本，使更广泛的用户能够访问和使用。Gemma 2还提供了强大的调优工具链，支持云解决方案和社区工具，如Google Cloud和Axolotl，以及与Hugging Face和NVIDIA TensorRT-LLM的无缝合作伙伴集成。
Gemini 1.5 Flash是Google DeepMind团队推出的最新AI模型，它通过'蒸馏'过程从更大的1.5 Pro模型中提炼出核心知识和技能，以更小、更高效的模型形式提供服务。该模型在多模态推理、长文本处理、聊天应用、图像和视频字幕生成、长文档和表格数据提取等方面表现出色。它的重要性在于为需要低延迟和低成本服务的应用提供了解决方案，同时保持了高质量的输出。
Imagen 3 是谷歌一个先进的文本到图像的生成模型，它能够生成具有极高细节水平和逼真效果的图像，并且相较于之前的模型，其视觉干扰元素显著减少。该模型对自然语言的理解更为深入，能够更好地把握提示背后的意图，并从更长的提示中提取细节。此外，Imagen 3 在渲染文本方面表现出色，为个性化生日信息、演示文稿标题幻灯片等提供了新的可能性。
Veo是Google最新推出的视频生成模型，能够生成高质量的1080p分辨率视频，支持多种电影和视觉风格。它通过先进的自然语言和视觉语义理解，能够精确捕捉用户创意愿景，生成与提示语调一致且细节丰富的视频内容。Veo模型提供前所未有的创意控制水平，理解电影术语如“延时摄影”或“航拍景观”，创造出连贯一致的画面，使人物、动物和物体在镜头中逼真地移动。
PaliGemma是Google发布的一款先进的视觉语言模型，它结合了图像编码器SigLIP和文本解码器Gemma-2B，能够理解图像和文本，并通过联合训练实现图像和文本的交互理解。该模型专为特定的下游任务设计，如图像描述、视觉问答、分割等，是研究和开发领域的重要工具。
lluminous是一个快速、轻量级的开源聊天界面，支持多供应商API密钥，提供完整的隐私保护，所有对话历史和密钥都存储在本地。它支持多模态输入、多轮对话提示、预填充响应、模型切换以及对话分享等功能。
CuMo是一种多模态大型语言模型（LLMs）的扩展架构，它通过在视觉编码器和MLP连接器中融入稀疏的Top-K门控专家混合（MoE）块，提高了模型的可扩展性，同时在推理时几乎不增加激活参数。CuMo在预训练MLP块后，初始化MoE块中的每个专家，并在视觉指令调整阶段使用辅助损失以确保专家的均衡负载。CuMo在各种VQA和视觉指令遵循基准测试中超越了其他同类模型，且完全基于开源数据集进行训练。
混元-DiT是腾讯推出的首个中英双语DiT架构的人工智能模型，专注于中文元素理解，具备长文本理解能力和细粒度语义理解。该模型能够分析和理解长篇文本中的信息，并生成相应的艺术作品，包括但不限于人物写真、创意创作等。混元-DiT的推出，对于提升中文文本理解的深度和广度，以及促进中英双语交流具有重要意义。
GPT-4o（'o'代表'omni'）是自然人机交互的重要一步，它可以接受任意组合的文本、音频、图像和视频输入，并生成任意组合的文本、音频和图像输出。它在音频输入响应上的速度极快，平均响应时间仅为320毫秒，与人类对话的响应时间相近。在非英语文本处理上取得了显著进步，同时在API上速度更快且成本降低了50%。GPT-4o在视觉和音频理解方面也比现有模型更出色。
AutoGroq是一个AI驱动的对话助手，旨在通过自动生成专家代理来彻底改变用户与AI工具的互动方式。它克服了现有解决方案的局限性，提供了一个用户友好、强大且无需配置的体验。该平台专注于通过自动生成专门针对任何问题的专家代理，无论问题的复杂性如何，提供即时和相关的帮助。
OpenGlass是一款可穿戴眼镜，它能够记录用户的生活，并提供有帮助的总结和建议。这款眼镜可以针对不同的使用场景进行定制，适合追求个性化体验和生活记录的用户。它结合了最新的硬件技术和软件开发，为用户带来全新的交互体验。
Refuel LLM-2 是一款为数据标注、清洗和丰富而设计的先进语言模型。它在约30种数据标注任务的基准测试中超越了所有现有的最先进语言模型，包括GPT-4-Turbo、Claude-3-Opus和Gemini-1.5-Pro。Refuel LLM-2 旨在提高数据团队的工作效率，减少在数据清洗、规范化、标注等前期工作上的手动劳动，从而更快地实现数据的商业价值。
Aloe是由HPAI开发的一款医疗领域的语言模型，基于Meta Llama 3 8B模型进行优化。它通过模型融合和先进的提示策略，达到了与其规模相匹配的最先进水平。Aloe在伦理和事实性指标上得分较高，这得益于红队和对齐工作的结合。该模型提供了医疗特定的风险评估，以促进这些系统的安全使用和部署。
FunClip是一款完全开源、本地部署的自动化视频剪辑工具，通过调用阿里巴巴通义实验室开源的FunASR Paraformer系列模型进行视频的语音识别，随后用户可以自由选择识别结果中的文本片段或说话人，点击裁剪按钮即可获取对应片段的视频。FunClip集成了阿里巴巴开源的工业级模型Paraformer-Large，是当前识别效果最优的开源中文ASR模型之一，并且能够一体化的准确预测时间戳。
