ChatGPT 点燃了科技行业的明灯，GPT-4能燎原吗?谁能革得了 ChatGPT 的命?现在看来还是 OpenAI 自己。在 ChatGPT 引爆科技领域之后，人们一直在讨论 AI「下一步」的发展会是什么，很多学者都提到了多模态，我们并没有等太久。今天凌晨，OpenAI 发布了多模态预训练大模型 GPT-4。G
......
本文由站长之家合作伙伴自媒体作者“机器之心公众号”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
9月21日凌晨，OpenAI在官网宣布，在今年10月份将通过API向ChatGPTPlus和企业版用户提供全新文本生成图片产品——DALL·E3。ChatGPT在DALL·E3加持下将开启久违的多模态输出模式，用户通过文本就能直接在ChatGPT中生成各种类型图片。从展示可以看出，DALL·E3可以生成写实、二次元、平面、创意、朋克、3D等多种类型的图片。
继各类单一模态输入的多模态语言模型后，新加坡国立大学的华人团队最近开源了全能多模态模型NExT-GPT。该模型支持任意模态的输入和输出，可以实现文本、图像、语音和视频之间的自由转换，是第一个实现从任一模态到任一模态转换的通用多模态系统。后续工作可以考虑扩展更多模态，使用更大规模的语言模型基座，以及改进多模态生成策略等。
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。
继各类输入端多模态大语言模型之后，新加坡国立大学华人团队近期开源一种支持任意模态输入和任意模态输出的真正「大一统」多模态大模型，火爆AI社区。ChatGPT的诞生，引爆了2023年的基于大语言模型的AI浪潮，此后各类开源大语言模型陆续问世，包括Flan-T5、Vicuna、LLaMA、Alpaca等。后续研究可以进一步提升模态切换指令微调学习策略以及数据集。
OpenAI在美东时间9月25日宣布对ChatGPT进行重磅升级，实现了看图、听声音、输出语音内容的三大功能，为通用人工智能迈出重要一步。DeepMind研究:LLMs在图像和音频压缩方面出色表现Google旗下的DeepMind研究人员发现，大型语言模型除了在文本领域表现出色在图像和音频数据的压缩方面具备出色能力，超越了专用的压缩算�
OpenAI宣布将在ChatGPT中推出新的语音和图像功能。这些功能可以通过语音对话或展示图片的方式与ChatGPT进行交互。语音功能将在iOS和Android平台上使用图像功能将在所有平台上提供。
由DeepMind、Google、百度和Meta的研究人员共同创立的AI创企Reka，最近宣布了最新产品一款多模态AI助手Yasa-1。这款助手被设计成可以理解和互动文本、图像、视频和音频等多种媒体形式，被认为有望成为OpenAI的ChatGPT的竞争对手。Yasa-1的发布标志着多模态AI助手领域的竞争愈发激烈，预示着未来AI助手将在不同媒体类型之间进行更多复杂的交互，为用户提供更多有趣和实用的功能。
GPT-4的视觉能力还没全量放开测试，开源对手就隆重登场了。浙大竺院的一位校友，与微软研究院等机构合作推出了新版多模态模型LLaVA。来自微软研究院和哥伦比亚大学的学者也有参与LLaVA的相关工作。
多模态大模型的战场上，已有人闻到风声。OpenAI的全新多模态模型Gobi似乎已在筹备中。顺便提一句，OpenAI即将在11月召开的首届开发者大会，已经开始注册了，快上手申请吧。
OpenAI宣布ChatGPT用户现在可以浏览互联网，不再受限于2021年9月之前的数据。这一更新允许用户访问最新信息，拓展了ChatGPT的应用领域。该模型性能出色，免费下载无限制。
intellisay是一个通过语音输入创建每日计划的生产力工具。它使用人工智能技术，将语音转录和分析，然后提供一个优化的计划来实现成功。它能够帮助用户节省时间，从而更高效地完成任务。该产品背后的主要优点是快速设置和使用，以及跟踪任务和习惯的能力。
Grimo AI是一个帮助用户构建、增长和整理知识的平台。它集合了Obsidian、Github和Quora的优点，提供了简单易用的界面和功能。用户可以通过查询获取来自任何人、任何地方的见解，并将这些见解分叉到自己的工作区。Grimo AI的核心优点包括：1. 将知识整理成精华；2. 从任何地方学习；3. 构建一个强大的知识社区。Grimo AI的定位是帮助用户更高效地获取和组织知识。
Bland是一个用于构建AI电话呼叫应用程序的平台，它提供了简单易用的API接口，使开发者能够轻松地创建自己的智能电话代理。Bland的主要优点是快速搭建和部署，可扩展性强，同时提供了丰富的文档和支持。无论是用于销售呼叫中心、客服代理、营销自动化还是其他领域，Bland都能帮助企业提高效率，节省时间和资源。
Cici是您的AI朋友和浏览器助手。她可以回答您的问题，摘要网页内容，提供快速的词语翻译，并执行智能搜索。她可以为您做到这一切。
MVSEP是一款在线音频处理工具，利用先进的音频分离技术可将音乐和语音从音频文件中分离出来，适用于音乐制作、音频编辑、广播、电影后期制作等领域。优点包括高质量的音频输出、快速的处理速度和用户友好的操作界面。提供不同模型选择。
NovaMSS是一款基于最顶级的AI模型调优后的新一代音乐源分离工具，可以一键提取伴奏、人声、贝斯、鼓点、分离音轨等。它的强大算法基于MSS领域最顶级的算法，并经过上千首歌曲的训练与调优，实现音轨分离的高效率和高质量。产品提供简单易用的界面，支持多种音频格式，包括MP3、Flac、Wave、AIFF等，并且支持批量上传和处理，内置音频播放器，方便用户即时查看分离结果。此外，产品分为社区版和专业版，社区版永久免费，而专业版提供更专业的算法模型和更高品质的音频输出格式。
ChatMIX智能对话-AIGC系统是一款利用人工智能技术构建的在线聊天系统，旨在通过AI技术提升用户交互体验。产品支持智能翻译、工作周报生成、编程代码编写等功能，满足用户在不同场景下的需求。它的优势在于能够快速响应用户指令，提供准确、高效的服务，同时具备良好的用户界面和操作体验。
AI对话鸭是一个领先的AI聊天对话平台，它集成了多款国产大模型，提供了丰富的对话场景和功能，满足不同用户的需求。该平台以其高效的对话生成能力和多样的应用场景，在提高工作效率和娱乐互动方面具有显著优势。
A.I.智能客服解决方案是科大讯飞基于其先进的语音技术，为企业提供的一套完整的客户服务系统。该系统通过电话、Web、APP、小程序、自助终端等多种渠道，实现智能外呼、智能接听、语音导航、在线文字客服、质检分析、坐席辅助等功能。它通过高识别率的语音识别引擎、自然流畅的语音合成技术、智能打断能力、IVR导航以及客服平台中间件等技术，帮助企业提高客服效率，降低人力成本，同时提升客户服务体验。
云雀 AI 智能客服是一款基于大数据的在线客服平台，通过智能机器人提供多渠道客户服务，帮助企业降低成本、提高效率。该平台结合了 AI 技术和客服系统，为企业提供高效的客户交互体验，提升服务质量。
靠谱AI是一个AI平台，它聚合了多种业内领先的通用和垂直大模型，使用户可以向多个或某个AI机器人提问，获取即时答案。用户可以与AI机器人进行多轮对话，直至找到满意的答案或作品。该平台由办公逸发起设立，办公逸为企业提供智能人事管理和OA系统，拥有广泛的企业用户基础。靠谱AI的主要优点包括其强大的算法技术、数据隐私安全保护、以及多场景应用能力。
企点客服是一款智能在线客服系统，基于即时通讯、人工智能等技术，全面提升企业客户服务效率。产品定位于提供全场景的企业级 SaaS 服务，助力企业实现数字化智慧经营。
百度 UNIT 搭载业界领先的对话理解和对话管理技术，提供灵活运营管理工具和可视化会话流程配置，助力企业智能化升级实现降本增效。
Pixble 是一款利用人工智能进行面部交换的应用程序，能够自动交换照片中的人脸，提供高质量的面部交换图像。Pixble 利用 AI 检测照片上的面部，并自动映射您选择的其他面部的面部特征，最终呈现出更准确和逼真的交换结果。
AI 换脸在线是一款利用人工智能检测和替换照片中面部的工具。其主要优点在于高质量、大像素、多姿态、维护身份隐私，并支持多人换脸和皮肤美化。产品定位于提供有趣和商业用途的高品质深度合成服务。
唱鸭是一款音乐平台，通过跟随标记按键实现自弹自唱，用户可制作乐段、点歌、抢唱、说唱等，带来音乐创作与互动乐趣。
小微助手是一款强大的桌面客户端工具，能够帮助用户快速查找信息、解决问题。其主要优点包括智能化搜索、快捷操作、个性化设置等。小微助手定位于提升用户生产力和效率。
商汤商量拟人大模型 “SenseChat-Character” 支持个性化角色创建与定制、知识库构建、长对话记忆、多人群聊等功能，可实现行业领先的角色对话、人设、及剧情推动能力。
创脑是国内知名 AI 机器人社区，用户可以免费使用各类 AI 机器人助手，包括行业专家、AI 写作、办公助手等，帮助提升工作效率和生活便利。
天工 AI 是一款全能 AI 助手，集成了搜索、聊天、写作、绘画等多种功能于一体。其主要优点包括智能快速响应、多功能性强、深度学习技术支持。定位于为用户提供全方位的智能助手服务。
