2022，或许是虚拟数字人赛道的腾飞之年。这一年，虚拟数字人的融资件数和金额都相较前一年都有了惊人爆发。亿邦动力统计，2022年上半年，中国虚拟数字人相关公司的融资事件32起，与2021年同期的10起相比大幅增长三倍有余;融资总金额近30亿元，与2021年同期的4.18亿元相比大增672.9
......
本文由站长之家合作伙伴自媒体作者“亿邦动力公众号”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
ChatGPT背后开发商的OpenAI宣布推出了“Memory”功能，该功能允许ChatGPT更持久地存储查询、提示和其他定制内容。该功能仅适用于“少部分”用户，但现在ChatGPTPlus付费订阅用户在欧洲或韩国以外的地区也可以使用该功能。该公司表示，Memory功能将向ChatGPT企业和团队的订阅用户、以及GPTStore上的定制GPT推出，但并未具体说明时间。
在最近的一次采访中，知名科技领袖李开复对中国在人工智能领域的现状和未来发表了独到见解。中国急需拥有自己的ChatGPT，以激发民众对AI的浓厚兴趣，推动其广泛采用和投资。中国才能在AI领域取得长足进步，实现从跟跑到领跑的跨越式发展。
一项发表在《全球环境政治》期刊上的论坛文章指出，生成式人工智能包括像OpenAI的ChatGPT这样的大型语言模型，以及社交体可能会削弱应对气候变化的努力。来自英属哥伦比亚大学的研究人员出，人们普遍认为AI、社交媒体和其他技术产品和平台在气候变化行动上要么是中的，要么可能是净积极的。社交媒体和AI也被认为会促成虚假或偏见信息的传播，这可能阻碍我们在气候变化方面需要采取的行动。
Nothing近日宣布，计划将ChatGPT与其智能手机和耳机更深度整合。此举将为公司的客户提供更快速的服务。该博客文章表示:“Nothing还将通过在NothingOS中嵌入系统级入口点到ChatGPT，包括截屏共享和Nothing风格的小部件，改善Nothing智能手机用户体验。
微软支持的初创公司OpenAI在周一成为了奥地利维权团体NOYB的投诉对象，指控其生成式AI聊天机器人ChatGPT提供了不准确的信息，可能违反欧盟隐私规定。图源备注：图片由AI生成，图片授权服务商MidjourneyNOYB表示，投诉人是一名公众人物，他向ChatGPT询问了自己的生日，但多次收到了错误的信息非机器人告知用户它没有必要的数据。”OpenAI此前承认该工具倾向于用“听起来有道理但不准确或毫无意义的答案”进行回复，他们认为这是一个难以解决的问题。
4月30日凌晨，OpenAI在社交平台宣布，向所有ChatGPTPlus用户开放“记忆”存储功能。用户通过开启该功能，可以使ChatGPT记住那些冗长、繁琐的内容不必每次打开对话框进行重复的提问。团队、企业版和GPTs的记忆存储功能即将推出。
各位村民好，我是村长ChatGPT火了以后，大部分运营都要失业了，这是目前许多人悲观的态度。目前市面上出现了越来越多好用的工具，不仅覆盖场景广且功能还多。且越是中小公司，对于运营的综合能力要求更高。
他们将于太平洋时间5月13日10:00在线直播展示ChatGPT的一系列升级特性。公司联合创始人SamAltman在社交媒体平台X上确认了直播的消息，但同时明确指出，备受瞩目的GPT-5以及传闻中的AI搜索引擎将不会在直播中亮相。尽管GPT-5和AI搜索引擎的缺席可能会让部分观众感到失望，但ChatGPT的升级内容以及可能透露的未来规划仍令人充满期待。
ChatGPT之父、OpenAI首席执行官山姆奥特曼日前参加了播客节目All-inPodcast”。在访谈中奥特曼表示，iPhone是人类历史上制造出的最伟大的技术产品之一。”奥特曼说到值得一提的是，前不久才有报道称，苹果即将与OpenAI合作，预计下一代移动操作系统iOS18可能会集成ChatGPT的功能。
TikTok正在测试一项涉及使用ChatGPT人工智能的搜索结果功能，为用户的搜索查询提供相关的搜索结果。根据一个页面的说明，ChatGPT被用于创建内容，当TikTok的算法确定与用户搜索相关时，TikTok会展示这些内容。Perplexity.ai是于2022年8月推出的，其重点是基于搜索的查询不是以前的AI系统提供的对话式回答。
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。
