站长之家（ChinaZ.com）2月20日 消息:近日，据相关报道，字节跳动在国内率先推出了一款新型视频模型——Boximator，这款模型被认为具有颠覆性的创新。
与Gen-2、Pink1.0等既有模型相比，Boximator的独特之处在于，它能够通过文本输入精确地控制视频中人物或物体的运动。
据新浪科技报道，然而，对于这一突破性的技术，字节跳动相关负责人在回应中表示，Boximator目前仍是一个研究项目，主要专注于视频生成领域中对对象运动的技术方法探索。
尽管其在对象动作控制方面取得了显著进展，但距离完善的产品形态仍有相当的距离。特别是在画面质量、保真率以及视频时长等方面，与国外的先进视频生成模型相比，Boximator仍有待提高。
（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
AI复活又整出新活了。知乎联合两位答主根据灭绝动物的手绘画或照片，用AI还原了它们生前的状态，视频共计还原了13种已经灭绝的动物。随着AI技术的不断进步和产品的迭代更新，我们期待Dreamina未来能为用户提供更完善的创作体验。
北大与字节跳动AILab联合提出了一种图像生成新范式——VAR，这一新方法的核心在于预测下一级分辨率非传统的预测下一个token。VAR的提出不仅在图像生成质量上超越了Sora的核心组件DiffusionTransformer在推理速度上也实现了20倍以上的提升。VAR的开源也体现了学术界与工业界合作的积极成果，有助于推动整个AI领域的发展和创新。
北大和字节联手搞了个大的:提出图像生成新范式，从预测下一个token变成预测下一级分辨率，效果超越Sora核心组件DiffusionTransformer。并且代码开源，短短几天已经揽下1.3k标星，登上GitHub趋势榜。他硕士毕业于浙江大学，目前的研究重点是视觉基础模型、深度生成模型和大语言模型。
AI生成视频模型Sora刚诞生一个月，创建者OpenAI计划将之推向好莱坞，建议将Sora应用到电影制作中。OpenAI一直与洛杉矶多家影视公司和媒体的高管积极沟通。Sora还有很长的路要走。
AI大风起兮，字节跳动旗下的教育产品Gauth在海外飞扬。根据七麦榜单，截至2024年4月15日，Gauth的iOS手机版在美国教育类应用排名第四，4月8日时，该应用曾跻身亚军，仅次于语言学习类应用Dolingo。Gauth的崛起已经向市场传递了积极的信号，也展现了AI产品应有的样子:落到应用场景中去，回到用户体验中来。
一个神秘的“音乐版Sora”产品被盛传即将发布，Suno和它比起来都不算什么。知情者评价belike:正当大家的胃口被吊得十足之时，这个神秘产品的首批演示泄露了。AI在音乐生成上的“造诣”，咱们就且拭目以待。
百事可乐中国宣布推出全新包装，引起了广泛关注。百事可乐中国公开了中文标志和新包装设计新的包装将同步上市。百事公司旗下主要知名品牌包括：百事可乐、7喜、美年达、佳得乐、激浪、纯果乐、纯水乐、乐事、立体脆等。
Sora官方发布了首支MV《Worldweight》《Worldweight》MV成为热议话题。注：图为MV画面该MV由艺人AugustKamp创作的音乐配以Sora生成的视觉画面，呈现出一幅令人印象深刻的音乐世界。他们强调了对AI技术在艺术创作中使用的审慎和规范性。
进入2024，大模型的风向变了。当初“百模大战”时，只要简单粗暴拿个Demo搞MaaS，也就是让用户直接和大模型交互就足以上牌桌。简单告别后，他又一屁股坐回沙发上，一心沉醉到琢磨怎么改进Badcase的世界里了。
“AI复活短视频制作，轻松火爆全平台，公域私域双重变现操作。这类视频涨粉快，基本上小红书一个月就能涨一万以上粉丝，抖音做得好的话一个星期就能涨到一万粉丝有这类需求的人都很愿意花钱去制作视频。抛开“AI复活”项目可能涉及的伦理及法律问题不谈，该话题在这段时间的持续发酵和火爆，也从侧面印证了生成式AI技术的落地前景。
NextChat是一个多功能的AI聊天服务平台，支持与领先的大型语言模型（LLMs）兼容，允许用户轻松部署团队范围内的AI辅助工具。它提供了一个优雅的用户界面，集中管理所有数据，并提供统计追踪团队AI使用情况的功能。此外，它还包括反馈分析工具，帮助用户聆听并分析其受众。NextChat支持OpenAI和Gemini模型，是一个面向所有人的AI基础设施，旨在提供个性化的AI聊天服务。
Spark是一款智能、专注的电子邮件应用，帮助您掌控收件箱。通过智能筛选，快速了解重要内容，并快速清理其余邮件。Spark还提供AI助手帮助您快速编写完美的电子邮件。
Chatbox是一个易于使用的人工智能解决方案，支持多平台，帮助提升工作和学习效率。它具备本地数据存储，确保隐私和轻松访问，同时支持多种尖端人工智能模型，提供多样化、适应性和智能化的用户互动。Chatbox还具备强大的提示功能，释放创造力，支持Markdown、引用、令牌估计等功能，为思维提供广阔的发展空间。
ChatX是一个基于先进AI技术的客户端应用，它通过高速API服务器提供极速体验，支持iPhone、iPad和macOS设备间的云同步。用户可以利用它完成各种AI任务，如文本生成、图片生成等，显著提高工作效率。产品的主要优点包括高速访问、自定义功能、经济的按字数消耗模式以及丰富的高级功能，如AI参数微调、Siri朗读等。ChatX的背景是AI技术的快速发展和用户对于高效、智能工具的需求。目前，产品在Mac App Store上免费提供，但提供App内购买项目。
RAGFlow是一个开源的RAG（Retrieval-Augmented Generation）引擎，基于深度文档理解，提供流线型的RAG工作流程，适用于各种规模的企业。它结合了大型语言模型（LLM）提供真实的问答能力，支持从各种复杂格式数据中引用确凿的引文。
EmojiTell是一个创新的在线服务，可以将文本翻译成表情组合，增加沟通的趣味性和表现力。它由一支对表情符号充满热情的开发者和设计师团队开发，旨在通过表情符号的力量，让信息传递更加生动和个性化。
Perplexica是一个开源的AI驱动搜索引擎，它不仅搜索网络，还理解您的问题。它使用先进的机器学习算法，如相似性搜索和嵌入，来优化结果，并提供引用来源的清晰答案。使用SearxNG保持最新和完全开源，确保您始终获得最新信息，同时不损害您的隐私。
FaceChain是一个深度学习工具链，由ModelScope提供支持，能够通过至少1张肖像照片生成你的数字孪生体，并在不同设置中生成个人肖像（支持多种风格）。用户可以通过FaceChain的Python脚本、熟悉的Gradio界面或sd webui来训练数字孪生模型并生成照片。FaceChain的主要优点包括其生成个性化肖像的能力，支持多种风格，以及易于使用的界面。
HuggingFace镜像站是一个非盈利性项目，旨在为国内的AI开发者提供一个快速且稳定的模型和数据集下载平台。通过优化下载过程，减少因网络问题导致的中断，它极大地提高了开发者的工作效率。该镜像站支持多种下载方式，包括网页直接下载、使用官方命令行工具huggingface-cli、本站开发的hfd下载工具以及通过设置环境变量来实现非侵入式下载。
WebLlama是一个基于Meta Llama 3构建的代理，专门为网页导航和对话进行了微调。它旨在构建有效的以人为中心的代理，帮助用户浏览网页，而不是取代用户。该模型在WebLINX基准测试中超越了GPT-4V（零样本）18%，展示了其在网页导航任务中的卓越性能。
GitHub Copilot for Infrastructure as Code（简称Infra Copilot）是一个利用机器学习技术帮助基础设施专业人员自动生成精确基础设施代码的工具。它通过理解基础设施任务的上下文，允许专业人员使用自然语言表达需求，并接收相应的代码建议。Infra Copilot不仅简化了基础设施即代码（IaC）的开发过程，还确保了跨环境和项目的一致性，加速了新团队成员的上手和学习过程，显著提高了工作效率并节约了时间。
LLaVA++是一个开源项目，旨在通过集成Phi-3和LLaMA-3模型来扩展LLaVA模型的视觉能力。该项目由Mohamed bin Zayed University of AI (MBZUAI)的研究人员开发，通过结合最新的大型语言模型，增强了模型在遵循指令和学术任务导向数据集上的表现。
PhysDreamer是一个基于物理的方法，它通过利用视频生成模型学习到的对象动力学先验，为静态3D对象赋予交互式动力学。这种方法允许在缺乏真实物体物理属性数据的情况下，模拟出对新颖交互（如外力或代理操作）的真实反应。PhysDreamer通过用户研究评估合成交互的真实性，推动了更吸引人和真实的虚拟体验的发展。
AI快站是一个为AI开发者设计的服务平台，提供HuggingFace模型的免费加速下载，解决大模型下载缓慢和断开的问题，支持高达4M/s的下载速度，大幅减少等待时间，提高开发效率。
Llama-3 8B Instruct 262k是一款由Gradient AI团队开发的文本生成模型，它扩展了LLama-3 8B的上下文长度至超过160K，展示了SOTA（State of the Art）大型语言模型在学习长文本操作时的潜力。该模型通过适当的调整RoPE theta参数，并结合NTK-aware插值和数据驱动的优化技术，实现了在长文本上的高效学习。此外，它还基于EasyContext Blockwise RingAttention库构建，以支持在高性能硬件上的可扩展和高效训练。
CoreNet 是一个深度神经网络工具包，使研究人员和工程师能够训练标准和新颖的小型和大型规模模型，用于各种任务，包括基础模型（例如 CLIP 和 LLM）、对象分类、对象检测和语义分割。
Llama中文社区是一个专注于Llama模型在中文方面的优化和上层建设的技术社区。社区提供基于大规模中文数据的预训练模型，并对Llama2和Llama3模型进行持续的中文能力迭代升级。社区拥有高级工程师团队支持，丰富的社区活动，以及开放共享的合作环境，旨在推动中文自然语言处理技术的发展。
Interactive3D是一个先进的3D生成模型，它通过交互式设计为用户提供了精确的控制能力。该模型采用两阶段级联结构，利用不同的3D表示方法，允许用户在生成过程的任何中间步骤进行修改和引导。它的重要性在于能够实现用户对3D模型生成过程的精细控制，从而创造出满足特定需求的高质量3D模型。
GraphRAG (Graphs + Retrieval Augmented Generation) 是一种通过结合文本提取、网络分析以及大型语言模型（LLM）的提示和总结，来丰富理解文本数据集的技术。该技术即将在GitHub上开源，是微软研究项目的一部分，旨在通过先进的算法提升文本数据的处理和分析能力。
Qwen1.5-110B是Qwen1.5系列中规模最大的模型，拥有1100亿参数，支持多语言，采用高效的Transformer解码器架构，并包含分组查询注意力（GQA），在模型推理时更加高效。它在基础能力评估中与Meta-Llama3-70B相媲美，在Chat评估中表现出色，包括MT-Bench和AlpacaEval 2.0。该模型的发布展示了在模型规模扩展方面的巨大潜力，并且预示着未来通过扩展数据和模型规模，可以获得更大的性能提升。
