《Google I/O 全记录，多希望我们能用上这些未来科技》文章已经归档，不再展示相关内容，编辑建议你查看最新于此相关的内容：Google Messages现已为所有用户提供端到端聊天加密选项随着消息传递应用在智能机和互联网用户群体中变得越来越普及，软件开发商也逐渐开始在隐私加密特性
（举报）
Google I/O 全记录，多希望我们能用上这些未来科技
- 相关推荐
- 大家在看
-
【腾讯云】11.11云上盛惠！云服务器首年1.8折起，买1年送3个月！
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
广告 -
Google TV将推出AI生成的电影描述
今年的GoogleI/O2024大会如预期那样，发布了许多与人工智能相关的消息，其中包括为GoogleTV推出的新功能。公司的生成式人工智能模型Gemini将增强智能电视操作系统，使其能够为电影和电视节目生成描述。Google将继续对该功能进行迭代，并利用Gemini实现其他功能，例如改进搜索功能以回答关于内容的更具体的问题。
-
海外吊打 Google 翻译，年度最佳翻译耳机，这个时空壶到底什么来头！
在这个全球化日益加深的时代，语言不仅是文化的载体，更是连接不同国家和地区人民的桥梁。跨语言沟通的障碍如同一道鸿沟，横亘在众多渴望交流的心灵之间，成了人们交流文化、沟通情感时难以忽视的挑战。这不仅是一种技术的跃迁，更是对用户个体价值的深刻理解和尊重。
-
Google CEO表示，生成式AI对搜索业务不构成威胁
Alphabet旗下的Google在周二宣布了几项新的生成式人工智能功能，公司表示这项新技术会取代其价值数十亿美元的搜索业务是会增强其功能，提高搜索结果的相关性。Google首执行官SundarPichai表示，目前还不太可能会有任何技术对Google的利润丰厚的现有产品构成胁。Alphabet的股价略有上涨，周二晚上在阿联的交易中，其股价为171.84美元，公司市值达到了2.11万亿美元。
-
荐Google Chrome突破性更新：一键访问Gemini功能！
昨天的文章刚说到Gemini的一些更新，这不，GoogleChrome又一项突破性更新，该更新通过简单的“@”符号启用，可以直接访问智能AI助手Gemini。随时启动AI对话这一改变让用户无需打开新的标签页或应用，直接在浏览器顶部操作区就可以启动对话。GoogleChrome的此次更新只是开始，AI技术在未来的发展道路上还有很多可能性，值得我们持续关注和期待。
-
ChatGPT现在允许用户直接从 Google Drive、Microsoft OneDrive 导入文件
OpenAI本周宣布，其标志性大型语言模型ChatGPT已更新，用户现可直接从外部云盘GoogleDrive和MicrosoftOneDrive导入文件。该功能适用于ChatGPlus、Team和Enterprise用户，并可在使用新的GPT-4o模型以及旧模型时使用。尽管这只是一个功能更新，但对于那些在ChatGPT上处理文档的来说，这是一个相当重要的更新，它将节省用户的时间，并在使用聊天机器人时提供更多选择。
-
谷歌 I/O开发者大会汇总：AI模型全面更新 几乎覆盖所有生成模型类型
在昨晚的GoogleI/O发布会上，Google宣布了一系列AI模型的更新，涵盖了从文本到视觉和音乐的多个领域:Gemini1.5Pro:支持200万上下文，针对翻译、编码、推理等关键用例进行了质量改进，但未发布测试结果。GeminiFlash:针对响应速度至关重要的窄或高频任务进行了优化，价格比GPT-3.5更便宜。这次发布会展示了Google在AI领域的全面布局和创新能力，从文本到视觉再到音乐，Google的AI模型正在不断进步，为用户带来更加丰富和高效的体验。
-
谷歌2024I/O大会： AI 搜索“AI Overviews”发布
在今日举行的谷歌2024年I/O开发者大会上，谷歌公司正式推出了其全新搜索体验——“AIOverviews”，这标志着谷歌搜索引擎问世25年来的又一次重大更新。该体验将于本周首先在美国地区上线，随后将逐步推广至全球更多国家和地区。作为谷歌搜索引擎25年来的最大更新之一，“AIOverviews”无疑将引领搜索领域进入一个新的纪元。
-
谷歌I/O 2024大会：Gemini 1.5 Pro宣布面向全球开发者开放
北京时间今天凌晨1:00，GoogleI/O2024开发者大会在谷歌山景城总部附近的海岸线圆形剧场召开。谷歌率先介绍了Gemini大模型最新进展。除了能生成创意文本、代码外，Gemini1.5Pro最大的特色是能根据用户输入的文本提示，理解、总结上传的视频、音频内容进行深度总结。
-
九阳用公益点亮企业社会责任感，点亮希望，滋养未来
在快速发展的消费电器市场中，九阳股份有限公司以其创新的小家电产品闻名于世。九阳的影响力远不止于此。九阳的公益案例是商业与社会责任成功结合的典范，为全球企业提供了宝贵的参考。
-
bilibot:由哔哩哔哩用户评论微调训练而成的本地聊天机器人
bilibot是一个基于哔哩哔哩用户评论训练的本地聊天机器人，支持文字聊天和语音对话。它使用Qwen1.5-32B-Chat作为基础模型，并结合苹果的mlx-lm LORA项目进行微调。语音生成部分基于GPT-SoVITS项目，使用派蒙语音模型。该机器人可以快速生成对话内容，适用于需要智能对话系统的场合。
-
Artificial Analysis:独立分析AI语言模型和API提供商，帮助选择适合的模型和API。
Artificial Analysis是一个专注于AI语言模型和API提供商的独立分析平台。它提供详细的性能评估，帮助用户理解AI领域的格局，并为他们的具体用例选择最佳的模型和API提供商。该平台通过质量指数、吞吐量和价格等多个维度对不同的AI模型进行比较，使用户能够做出更明智的选择。
-
MuLan:：为110多种语言适配多语言扩散模型
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:小米开发的大规模预训练语言模型，参数规模64亿。
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:AI驱动的职业管理平台，优化你的职业路径，匹配最佳工作机会。
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:开源框架，用于构建语音和多模态对话AI。
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:每日五分钟，掌握AI、加密货币和金融行业动态
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:一个批量给图片进行文字标注的免费工具，专为模型训练提供标注数据。
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:谷歌下一代Gemma模型，提供突破性的性能和效率。
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:Google 一款轻量级、高效能的AI模型，专为大规模高频任务设计。
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:谷歌高质量文本到图像模型，生成逼真、生活化图像。
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:Google最先进的视频生成模型，提供高质量1080p视频生成。
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:Google的尖端开放视觉语言模型
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:一个快速、轻量级的开源聊天界面。
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:一种用于扩展多模态大型语言模型（LLMs）的先进架构。
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:高性能细粒度中文理解模型，提供双语生成能力，专注于中国元素理解。
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:，一款能够实时处理音频、视觉和文本的旗舰模型。
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:AI驱动的对话助手，自动生成专家代理，简化AI工具交互。
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:记录生活，获取有用的总结和建议，为任何用例定制眼镜
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:专为数据标注、清洗和丰富设计的先进语言模型
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。