首页 > 业界 > 关键词  > Sora最新资讯  > 正文

AI视野:OpenAI公布Sora技术报告;Meta首发AI视频模型V-JEPA;ComfyUI发布3D Pack;Nomic AI 发布完全开源的长文本嵌入模型

2024-02-18 15:46 · 稿源:站长之家

欢迎来到【AI视野】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/

QQ截图20240218160533.png

📰🤖📢AI新鲜事

OpenAI公布Sora技术报告:模拟世界、视频扩展等,强的离谱!

【AiBase提要:】

⭐️ Sora可以模拟物理世界中的人、动物和环境

⭐️ Sora具备无缝视频剪辑连接功能

⭐️ Sora可以生成不同大小、高分辨率的图像

报告地址:

https://openai.com/research/video-generation-models-as-world-simulators

Reddit与AI公司达成协议 内容支付“开采”AI培训数据

【AiBase提要:】

⭐️ 签署内容许可协议,价值6000万美元

⭐️ Reddit成为AI企业高质量训练数据来源

⭐️ 预计AI内容支付将提升Reddit整体估值

谷歌 Gemini1.5Pro 称 OpenAI Sora 生成的视频是假的

【AiBase提要:】

🤖 谷歌的新技术Gemini1.5Pro质疑Sora生成的视频真实性。

🌸 OpenAI的Sora是新文本转视频工具,展现复杂场景和角色。

💥 Gemini1.5Pro对视频不一致处提出质疑,怀疑其真实性。

AI视频之战升级:Runway、Stability积极应对OpenAI的Sora

【AiBase提要:】

⭐ Runway首席执行官回应OpenAI Sora,拉开视频AI竞赛序幕

⭐ 视频AI领域竞争激烈,Runway、Google、Stability AI推出新模型

⭐ Runway推出新功能,Sora功能和局限性尚不明确

魅族 All in AI 将停止传统「智能手机」新项目

微信截图_20240218092212.png

【AiBase提要:】

⭐️ 魅族决定全力投入AI领域

⭐️ 魅族发布AI战略规划

⭐️ 魅族计划完成All in AI愿景

🤖📱💼AI应用

Meta首发AI视频模型V-JEPA 可用人类的理解方式看世界

image.png

【AiBase提要:】

⭐️ V-JEPA是非生成式模型,以人类的方式看世界。

⭐️ 自监督学习方法提高效率,适用于多任务。

⭐️ 利用抽象表示空间预测视频中缺失部分。

项目介绍网址:

https://ai.meta.com/blog/v-jepa-yann-lecun-ai-model-video-joint-embedding-predictive-architecture/

阿里开源万能图片生成工作台SCEPTER Studio 一键搞定AI绘图模型训练到推理

【AiBase提要:】

⭐ 不需代码,通过Web界面训练与微调模型

⭐ SCEPTER支持多种模型和微调方式

⭐ 提供多种训练数据和推理任务支持

传送门:https://github.com/modelscope/scepter

ComfyUI发布最新3D Pack 可快速将图片转换为3D模型

QQ截图20240218110735.png

【AiBase提要:】

🌟 可快速将图片转换为3D模型

🌟 支持多种先进算法和多种格式导出

🌟 提供工具和工作流,使用户能够轻松处理和优化3D图像

产品入口:https://top.aibase.com/tool/comfyui-3d-pack

FaceFusion换脸软件更新至2.3.0版本

image.png

【AiBase提要:】

⭐️ 新版本采用了先进的68点面部标记模型

⭐️ 处理面部边缘情况更为有效

⭐️ 算法优化,提高面部交换效果

项目地址:https://top.aibase.com/tool/facefusion

谷歌推具备空间推理能力的视觉语言模型SpatialVLM

image.png

【AiBase提要:】

⭐ 视觉语言模型缺乏空间推理能力

⭐ 借鉴人类空间推理能力

⭐ 创新框架设计大规模空间VQA数据集

项目地址:https://top.aibase.com/tool/spatialvlm

Nomic AI 发布首个完全开源的长文本嵌入模型nomicembed-text-v1

【AiBase提要:】

⭐ Nomic AI发布完全开源的nomicembed-text-v1长文本嵌入模型

⭐ 该模型序列长度达8192,在短文本和长文本评估中表现优异

⭐ 模型开发过程强调审计性和可复制性,为AI社区树立新标准

项目入口:https://top.aibase.com/tool/contrastors

离开OpenAI待业的Karpathy推出大模型新项目minbpe

【AiBase提要:】

⭐ GitHub标星量一天内达到1.2k

⭐ minbpe项目为LLM中的BPE算法提供清晰代码

⭐ minbpe项目提供两个Tokenizer,实现训练和编码解码功能

项目地址:https://top.aibase.com/tool/minbpe

举报

  • 相关推荐
  • 大家在看
  • Nowadays:AI助力的企业活动规划师

    Nowadays是一个AI驱动的企业活动规划平台,旨在简化活动策划流程,通过电子邮件和电话与最佳场地进行谈判,为公司活动找到合适的地点。它通过AI技术提供快速响应时间,作为IATA认证的旅行代理运营,并提供无限范围的场地搜索,确保结果与活动标准相匹配。此外,AI还协助全球范围内与场地进行谈判,帮助用户节省成本。

  • Unify AI:一站式LLM模型比较与优化平台

    Unify AI是一个为开发者设计的平台,它允许用户通过一个统一的API访问和比较来自不同提供商的大型语言模型(LLMs)。该平台提供了实时性能基准测试,帮助用户根据质量、速度和成本效率来选择和优化最合适的模型。Unify AI还提供了定制路由功能,允许用户根据自己的需求设置成本、延迟和输出速度的约束,并定义自定义质量指标。此外,Unify AI的系统会根据最新的基准数据,每10分钟更新一次,将查询发送到最快提供商,确保持续达到峰值性能。

  • ChatVid.AI:AI生成的用户界面,重新定义视频学习。

    ChatVid.AI 是一个利用人工智能技术,通过生成用户界面来提升视频学习效率的平台。它通过AI技术生成的界面,让用户能够更快速地获取视频内容的核心信息,减少观看时间,提高学习效率。产品背景信息显示,它可能与当前流行的AI技术如LLaMA 3 大模型和GPT-4 Omni等有关联,表明其技术先进性和创新性。

  • Crusoe Cloud:高性能、成本效益高、气候对齐的云平台

    Crusoe提供可扩展的、气候对齐的数字基础设施,专为高性能计算和人工智能优化。我们的创新方法通过使用浪费的、孤立的或清洁能源来减少温室气体排放,支持能源转型,并最大化资源效率。

  • AI 论文速递:提供人工智能领域最新研究论文的速递服务。

    AI 论文速递是一个专注于人工智能领域的学术资源分享平台,旨在帮助研究人员和学者快速获取最新的人工智能研究论文。该平台通过聚合各大学术会议和期刊的论文,为用户提供一个集中的、易于访问的信息源,从而促进知识的传播和学术的交流。

  • Dolphin 2.9.1 Mixtral 1x22b:基于Dolphin-2.9-Mixtral-8x22b的先进AI模型

    Dolphin 2.9.1 Mixtral 1x22b是由Cognitive Computations团队精心训练和策划的AI模型,基于Dolphin-2.9-Mixtral-8x22b版本,拥有Apache-2.0许可。该模型具备64k上下文容量,通过16k序列长度的全权重微调,经过27小时在8个H100 GPU上的训练完成。Dolphin 2.9.1具有多样的指令、对话和编码技能,还具备初步的代理能力和支持函数调用。该模型未进行审查,数据集已过滤去除对齐和偏见,使其更加合规。建议在作为服务公开之前,实施自己的对齐层。

  • PowerToys:微软推出的系统增强工具集

    PowerToys 是微软推出的一款面向高级用户的系统增强工具集,旨在提高用户的工作效率和系统使用体验。它包含了多种实用工具,如颜色选择器、窗口管理、文件资源管理器插件等,以帮助用户更好地管理他们的Windows系统。

  • AI创意商拍:10秒搞定电商出图设计

    美间AI创意商拍是一个专注于电商领域的在线设计平台,它通过人工智能技术,帮助用户快速生成电商所需的各种设计图,如主图、头图等。该平台的核心优势在于其高效的设计生成速度和丰富的模板资源,能够满足不同品类商品的设计需求,从而提升电商运营的效率和效果。

  • Truecaller:全球领先的验证联系人和阻止不受欢迎通信的平台

    Truecaller是一个全球领先的平台,致力于验证联系人和阻止不受欢迎的通信。它使人们之间的安全和相关对话成为可能,并使企业与消费者之间的联系更加高效。Truecaller致力于在数字经济中建立通信信任,特别是在新兴市场。自2009年在斯德哥尔摩成立以来,Truecaller已经成为超过3.83亿活跃用户日常通信的重要组成部分,自推出以来下载量超过5亿次,2021年识别并阻止了近380亿次不受欢迎的呼叫。Truecaller由经验丰富的管理团队领导,是一个具有企业家精神的公司。

  • Mistral-7B-v0.3:一种大型语言模型,具有扩展词汇量。

    Mistral-7B-v0.3是由Mistral AI团队开发的大型语言模型(Large Language Model, LLM),它是Mistral-7B-v0.2的升级版,具有扩展到32768的词汇量。该模型支持文本生成,适合于需要文本生成能力的应用场景。目前,该模型没有内容审核机制,团队正在寻求社区合作,以实现更精细的内容审核,满足需要内容审核的部署环境。

  • CodiumAI Cover-Agent:AI驱动的自动化测试生成和代码覆盖增强工具

    CodiumAI Cover-Agent 是一款利用生成式AI自动化测试生成和增强代码覆盖的工具,旨在简化开发工作流程。它通过与大型语言模型(LLM)交互,为软件项目自动创建单元测试,确保测试的全面性和质量保证。Cover-Agent 计划集成到流行的CI平台中,社区被邀请合作并帮助扩展Cover Agent的功能,使其成为自动化单元测试生成领域的尖端解决方案。

  • 腾讯混元助手:AI伙伴,提供多样化智能服务

    腾讯混元助手是腾讯公司TEG技术工程事业群开发的一款AI聊天服务产品,旨在通过人工智能技术提供多样化的智能服务,包括文本问答、图片理解等。该产品使用腾讯混元大模型V1.7.6,能够生成文本、图片等多种形式的内容,为用户提供灵感和帮助。

  • LemonSpeak:自动化播客营销内容创作工具

    LemonSpeak是一个旨在帮助播客制作者从他们的播客剧集中创建营销内容的在线平台,通过自动化技术节省时间,提高播客的发现性。它通过转录、摘要、创建SEO优化标题、节目笔记、博客文章等,帮助播客制作者扩大在线观众群,提升搜索引擎优化,使播客在播客目录中更具吸引力。

  • Neolocus:利用AI技术,快速设计您的梦想家居空间。

    Neolocus是一个创新的在线设计平台,它利用人工智能技术帮助用户快速设计和装饰他们的生活空间。用户只需上传空间照片,选择风格偏好,Neolocus就能在一分钟内提供令人惊叹的渲染效果,并推荐相应的产品购买,实现梦想家居的构建。该平台不仅服务于个人用户,还特别为Airbnb房东提供服务,帮助他们吸引更多客户。Neolocus的技术背景包括在ROSHN PropTech Hackathon中获得金奖,成为沙特阿拉伯GAIA Cohort 1的一部分,并在2023年的Cityscape Global上展出。

  • Tap4 AI Web UI:开源AI工具目录,构建个性化AI工具平台。

    Tap4 AI Web UI是一个开源的AI工具目录,由Tap4 AI Tools Directory构建。该项目旨在帮助每个人轻松构建自己的AI工具目录。你可以fork项目,一键部署到Vercel,并通过项目中的dataList更新你自己的AI工具。

  • VastGaussian:Vast 3D Gaussians for Large Scene Reconstruction的非官方实现

    VastGaussian是一个3D场景重建的开源项目,它通过使用3D高斯来模拟大型场景的几何和外观信息。这个项目是作者从零开始实现的,可能存在一些错误,但为3D场景重建领域提供了一种新的尝试。项目的主要优点包括对大型数据集的处理能力,以及对原始3DGS项目的改进,使其更易于理解和使用。

  • Chat GPT 4o:免费向GPT 4o问任何问题并得到答案

    Chat GPT 4o是一个在线聊天平台,用户可以免费向GPT 4o提问并获得答案。它支持多语言,提供丰富的问答服务,并且能够与GPT-4、Claude3和Llama-3等其他AI模型进行结果对比。该平台的问答内容会公开显示,并可能被搜索引擎抓取。

  • THE ODD BIRDS AI PROJECT:AI驱动的动画和角色开发项目

    THE ODD BIRDS AI PROJECT 是由Arvid Tappert发起的一个创新项目,专注于利用人工智能技术进行动画短片创作、角色开发以及AI模型的构建和训练。该项目通过结合AI技术与艺术创作,探索了动画制作的新领域,为动画师和设计师提供了一种全新的工作方式。

  • AmbientGPT:在本地运行GPT-4和基础模型,无需上传屏幕上下文。

    AmbientGPT是一个革命性的编程辅助工具,它允许开发者在本地运行GPT-4和基础模型,同时能够直接推断屏幕上下文,从而无需手动上传上下文信息。这大大提高了代码编写和问题解决的效率。产品目前处于测试阶段,适用于拥有ARM64架构MacBook的开发者,并且需要一个兼容的OpenAI API密钥。

  • NeatEmoji:在网页上任何地方写入🌟,由AI生成表情符号。

    NeatEmoji是一个创新的Chrome插件,利用人工智能技术,允许用户在网页上的任何位置输入特定的字符(如🌟)来生成相应的表情符号。这项技术不仅为网页内容增添了趣味性,也为用户提供了一种全新的交互方式,使在线交流更加生动和个性化。NeatEmoji背后的AI技术能够智能识别用户输入的字符,并迅速生成相应的表情符号,极大地丰富了用户的在线体验。

今日大家都在搜的词: