多模态生成一直是OpenAI、微软、百度等科技巨头的重要研究领域，但如何实现连贯的文本和相关图像是一个棘手的难题。为了突破技术瓶颈，加州大学圣克鲁斯分校研发了MiniGPT-5模型，并提出了全新技术概念“Generative Vokens "，成为文本特征空间和图像特征空间之间的“桥梁”，实现
......
本文由站长之家合作伙伴自媒体作者“ AIGC开放社区公众号”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）
法国著名开源大模型平台Mistral.ai，开源了超大多模态模型——PixtralLarge。PixtralLarge有1240亿参数，支持128K上下文，能理解文本、图表、图像等，也是Mistral.ai自家聊天助手leChat目前正在使用的视觉模型。LeChat提供了一个从模型到输出的完全集成平台，用户可以在一个平台上完成所有的多模态任务，无需在多个工具之间切换，简化了工作流程。
北大等出品，首个多模态版o1开源模型来了——代号LLaVA-o1，基于Llama-3.2-Vision模型打造，超越传统思维链提示，实现自主“慢思考”推理。在多模态推理基准测试中，LLaVA-o1超越其基础模型8.9%，并在性能上超越了一众开闭源模型。团队宣布LLaVA-o1的代码、预训练权重、数据集等即将全部开源。
欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。新鲜AI产品点击了解:https://top.aibase.com/1、阿里云发布逆天大模型Qwen2.5-Turbo一口气读完十本小说，推理速度提升4.3倍!阿里云推出的Qwen2.5-Turbo大语言模型在上下文处理能力和推理速度上都取得了革命性的突破，令人期待其�
欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。新鲜AI产品点击了解:https://top.aibase.com/1、OpenAI正式上线Sora，ChatGPTPro用户可无限生成、最长20秒OpenAI在"ship-mas"系列活动中发布了SoraTurbo视频生成AI，支持生成20秒1080p视频，用户可通过文本、图片或视频进行创作，具有多种风格和剪辑功能。See3D已开源，支持多种3D创作应用。
当ChatGPT掀起国内“百模大战”，百度率先交卷文心一言。Sora再掀视频生成风潮，却传出李彦宏内部讲话“Sora无论多么火，百度都不去做”。大量的行业应用所产生的数据，又能为AGI的发展提供丰富的养分，形成良性循环，推动数据飞轮的高速运转，从加快我们迈向AGI的步伐。
【新智元导读】Meta最近开源了一个7B尺寸的SpiritLM的多模态语言模型，能够理解和生成语音及文本，可以非常自然地在两种模式间转换，不仅能处理基本的语音转文本和文本转语音任务能捕捉和再现语音中的情感和风格。在纯文本大模型取得进展的同时，其他模态数据，如语音与文本结合的语言模型也成为了一个热门的研究领域，但现有的模型要么在仅包含语音的数据上进行训练，要么是关注特定任务，如文本转语音、自动语音识别或翻译，在其他模态数据和任务上的泛化能力十分有限。研究人员还直接评估了模型对输入提示的处理能力，结果发现，无论是哪种提示，模型都能得到很高的评分，表明还有很大的空间来进一步提高模型在保持情感表达方面的能力，也意味着，智能体在理解和生成情感丰富的内容方面还有很大的潜力可以挖掘。
最近电视圈似乎要迎来一阵“技术风暴”！电视巨头TCL疑似在MiniLED有了新技术突破。如果小伙伴们想及时知道TCL新品后续信息，可以关注我哦~有消息我会第一时间和大家分享。
【新智元导读】围剿英伟达，数十万颗自研二代芯片超算在建!亚马逊祭出地表最强全家桶，多模态Nova击败GPT-4o。亚马逊推出了号称最强大的多模态模型Nova系列。IDC在2023年12月发布的最新研究报告显示，英伟达当前在AI芯片市场中占据着约95%的主导地位。
苹果今年新发布的M4Macmini，凭借其强大的芯片功能、便携的迷你尺寸和独有的MacOS系统，再次成为大家热议追捧的明星产品。尤其对于有视频剪辑需求的职场人士来说，无论是编辑高分辨率图像、制作4K视频等复杂项目是多任务处理等，都是优选办公电脑之一。目前这一系列产品已在各大电商平台官方旗舰店同步发售，双12马上到了，有需要的小伙伴可以抓紧行动，活动期间预售立减100元，并有限量小礼品赠送。
欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。新鲜AI产品点击了解:https://top.aibase.com/1、科大讯飞星火多模态交互大模型上线实现“语音、视觉、数字人交互”三合一科大讯飞最新推出的讯飞星火多模态交互大模型标志着其从单一语音交互技术拓展到音视频流实时多模态交互的新阶段。多家汽车制造商参与认购，推动Robotaxi技术合作与全球布局。
