首页 > 业界 > 关键词  > 正文

AI日报:当前国产Sora大模型Vidu发布;Kimi Chat移动端升级;通义千问开源千亿参数模型;苹果计划与 OpenAI 合作

2024-04-28 15:08 · 稿源:站长之家

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、清华团队发布视频大模型Vidu 可生成16 秒、1080P 视频

清华大学与生数科技在中关村论坛未来人工智能先锋论坛上发布了中国首个长时长、高一致性、高动态性视频大模型Vidu,标志着中国在视频生成技术领域取得重要进展。该模型采用创新性的U-ViT架构,能一键生成高清视频内容,具备高时空一致性和丰富的想象力。

image.png

【AiBase提要:】

🎥 Vidu是中国首个长时长、高一致性、高动态性视频大模型

🌟 融合Diffusion与Transformer技术,能一键生成长达 16 秒、1080P的高清视频内容。

🚀 不仅能模拟真实物理世界,还具备丰富的想象力,支持多镜头生成

产品入口:https://top.aibase.com/tool/vidu

2、通义千问团队开源首个千亿参数模型Qwen1.5-110B

通义千问团队开源的首个千亿参数模型Qwen1.5-110B在基础能力和Chat评估中表现出色,展示了模型规模扩展对性能提升的重要意义。该模型采用Transformer解码器架构,支持多种语言,具有高效的分组查询注意力机制。Qwen1.5-110B是通义千问系列中规模最大的模型,拥有超过1000亿参数,在与SOTA模型的比较中表现出色。团队将继续探索模型规模提升和扩展预训练数据规模的优势。

【AiBase提要:】

🌟 Qwen1.5-110B是首个拥有超过1000亿参数的模型,在Chat评估中表现更好,展示了更大规模模型的潜力。

🔍 110B模型的性能提升主要来自于增加的模型规模,而训练方法并未大幅改变,表明模型规模扩展对性能提升具有重要意义。

💡 Qwen1.5-110B采用Transformer解码器架构,支持多种语言,具有高效的分组查询注意力机制,展示了在模型大小扩展方面仍有提升空间。

模型链接:https://top.aibase.com/tool/qwen1-5-110b

3、Kimi Chat移动端UI大幅重构

Kimi Chat移动端应用迎来了重要的更新,版本1.2.1对用户界面进行了全面的重构,引入了“月之亮面”浅色模式,提供更加舒适和直观的用户体验。更新包括界面改进、性能优化、内存管理、电池效率、功能增强、安全性提升、兼容性改进、错误修复、本地化支持和辅助功能。用户只需更新至最新版本1.2.1即可体验新功能。

image.png

【AiBase提要:】

🎨 界面改进: 界面重新设计,美观易用,操作更直观。

⚡ 性能优化: 提升响应速度和流畅度,减少卡顿和延迟。

🔒 安全性提升: 增强应用安全性,保护用户数据和隐私。

详情链接:https://top.aibase.com/tool/kimi-chat

4、Domo AI新增乐高、美国漫画等4个风格 新用户可免费试用15个点数

DomoAI最近新增了乐高风格、美国漫画风格、彩笔风格、像素艺术四个新风格,并且为庆祝其推特账号粉丝超过1万,新用户可免费试用15个点数。此前,DomoAI推出了视频色度抠图功能,用户可以将扣出的人物合成到新背景中。用户还可以轻松自定义后台背景颜色,制作跳舞视频等功能。

image.png

【AiBase提要:】

🎨 DomoAI新增了乐高风格、美国漫画风格、彩笔风格、像素艺术四个新风格

🔑 新用户可免费试用15个点数

💃 用户可以使用 /move 命令将静态照片变成动态视频

详情链接:https://top.aibase.com/tool/domoai

5、苹果计划与 OpenAI 合作,加强 iPhone 人工智能功能

苹果寻求与 OpenAI 合作,以提升 iPhone 的人工智能功能。前任机器学习总监离职后,苹果人工智能发展步履维艰。苹果可能在全球开发者大会前推出新的生成式人工智能产品。

【AiBase提要:】

📌 苹果寻求与 OpenAI 合作,提升 iPhone 的人工智能功能。

📌 前任机器学习总监离职后,苹果人工智能发展步履维艰。

📌 苹果可能在全球开发者大会前推出新的生成式人工智能产品。

6、谷歌推出 AI 英语对话练习功能

谷歌最近推出了AI语音对话练习功能,让用户可以通过手机与对话机器人进行英语会话练习。虽然功能目前仅限于部分国家使用,但谷歌可能会将其扩展到更多国家。文章介绍了谷歌的语言学习工具提供的对话练习和反馈功能,以及其在AI辅助语言学习领域的发展。

image.png

【AiBase提要:】

🎙️ 谷歌推出AI语音对话练习功能,让用户通过手机与对话机器人进行英语会话练习。

🌐 目前功能仅限于部分国家使用,但可能会扩展到更多国家。

💬 虽然缺乏像Duolingo等应用的课程设置,但提供了对话练习和反馈功能。

7、元象开源首个多模态大模型XVERSE-V

作为元象公司发布的首个多模态大型模型,XVERSE-V在多个权威评测中表现优异,综合能力出色。该模型融合整体和局部信息的策略,提高了图像识别和分析的准确性和全面性。除了图像识别,XVERSE-V在信息图理解、视障场景处理、文本生成、教育解题等实际应用中也表现突出。

image.png

【AiBase提要:】

🌟 XVERSE-V是首个多模态大型模型,支持任意宽高比的图像输入

🔍 该模型在综合能力上表现出色,取得优异成绩

💡 XVERSE-V采用融合整体和局部信息的策略,提高图像识别和分析的准确性和全面性

详情链接:https://huggingface.co/xverse/XVERSE-V-13BModelScope

8、Perplexica:开源AI驱动的问答搜索引擎

Perplexica是一个开源的AI驱动搜索引擎,提供多种搜索模式,旨在为用户提供更精准、更智能的搜索体验。它具有先进的机器学习算法,确保用户隐私和提供最新的搜索结果。Perplexica致力于成为全面、高效的搜索解决方案。

image.png

【AiBase提要:】

🔍 提供多种搜索模式,根据用户需求调整搜索算法,以获得更相关的搜索结果。

🔍 使用先进的机器学习算法来精细化搜索结果,包括相似性搜索和嵌入技术。

🔍 确保隐私保护,使用SearxNG作为当前性保障,避免每日数据更新的开销。

详情链接:https://top.aibase.com/tool/perplexica

9、Meta 推出 LayerSkip:提升大语言模型推理速度

Meta公司最新发布的LayerSkip技术旨在提升大型语言模型的推理速度,通过优化推理过程,减少计算资源消耗,保持模型性能。这对实时需求高的应用场景具有重要意义,反映了Meta在AI模型效率方面的持续投入和创新。LayerSkip技术的未来展望将为大语言模型的部署和使用带来更多可能性,特别是在需要快速处理大量语言数据的场合。

【AiBase提要:】

🚀 LayerSkip在CNN/DM文档摘要任务中将推理速度提升了2.16倍,显著提高了文档处理效率。

⚡ LayerSkip在编程任务中实现了1.82倍的速度提升,可能优化编程辅助工具的性能。

💡 LayerSkip在TOPv2语义解析任务上推理速度提升达到了2.0倍,对语义解析等自然语言处理任务有重要影响。

论文:https://huggingface.co/papers/2404.16710

10、调查显示:1/3的翻译者和1/4的插画师已经因AI失去了工作

AI技术的快速发展对创意产业造成深远影响,英国作家协会的调查揭示了AI对作家、翻译者、插画师等职业的影响,引发了行业内的担忧和呼吁。

【AiBase提要:】

🤖 约五分之一的创作者在工作中使用过生成性AI,AI技术已经开始渗透到各个创作领域。

💼 1/4的插画师和1/3的翻译者因生成性AI失去了工作,工作机会受到直接威胁。

💰 大多数小说家和非小说类作家担心AI技术将对未来创意工作收入产生负面影响,强烈呼吁获得版权保护和政府监管。

11、WebLlama:基于Llama-3-8B的智能网页浏览代理

WebLlama是一款基于Llama-3-8B模型的智能代理工具,通过对话与用户互动,执行网页浏览相关任务。它能处理连续对话,理解用户指令,自动完成网上搜索、导航和信息检索等操作。WebLlama展示了强大的对话处理能力和网页交互功能,提高用户获取信息效率,减少手动操作需求。在专业基准测试中表现优异,具有先进性和实用性,有望在自动化网页浏览和信息收集方面发挥更大作用。

【AiBase提要:】

🗣️ 对话理解: 能听取用户指令,与用户交互。

🌐 自动网页浏览: 执行搜索、导航,帮助用户获取信息。

🤖 完成复杂任务: 能预定酒店、购物或查找信息等实际应用任务。

详情链接:https://top.aibase.com/tool/webllama

12、Mutable AI发布Auto Wiki v2:将代码转换为类似于维基百科风格的文章

Mutable AI推出的Auto Wiki v2是一款革命性的工具,能够自动将代码转化为维基百科风格的文章,解决了代码文档化难题。这一创新解决方案提供了清晰描述的代码文档,可视化理解代码,提升开发效率。

image.png

【AiBase提要:】

🤖 自动将代码转化为维基百科风格文章,解决代码文档化难题。

📝 自动生成清晰描述的代码文档,可视化理解代码。

⚙️ 提供代码图表、自动更新文档等多项功能,提升开发效率。

详情链接:https://top.aibase.com/tool/mutable

13、Cog-Become-Image:将任意人物图像转换成指定风格的图

Cog-Become-Image项目是一个创新的图像转换工具,可以将任意人物的面部图像转换成另一种风格的图片。该项目在艺术创作、媒体制作和娱乐行业有广泛的应用前景,为图像转换领域带来新的可能。无论是专业开发者还是技术爱好者,都可以利用这个项目来实现创意图像的转换。

image.png

【AiBase提要:】

🎨 面部图像转换: 用户可以将2D动漫人物或其他风格的人脸图像转换成逼真的真人图像。

🎥 动画视频制作: 转换后的图像可以进一步利用Hyper AI等工具制作成动画视频。

🛠 易于使用: 项目提供了Replicate和ComfyUI两种运行模型的方式,使得用户可以轻松地进行图像转换。

项目地址:https://top.aibase.com/tool/cog-become-image

试玩地址:https://replicate.com/fofr/become-image

14、PhysDreamer:让3D物体符合物理规律动起来

通过视频生成模型学习的物体动态先验知识,实现静态3D物体对新型交互的真实响应。PhysDreamer利用物理学方法赋予静态3D物体交互式动态,提升虚拟体验的真实感和吸引力。研究提出的PhysDreamer为静态3D物体动态响应提供了一种物理合理的方式。

image.png

【AiBase提要:】

🌟 通过视频生成模型学习的物体动态先验知识,实现静态3D物体对新型交互的真实响应。

🌟 PhysDreamer利用物理学方法赋予静态3D物体交互式动态,提升虚拟体验的真实感和吸引力。

🌟 研究提出的PhysDreamer为静态3D物体动态响应提供了一种物理合理的方式。

详情链接:https://top.aibase.com/tool/physdreamer

举报

  • 相关推荐
  • 大家在看
  • 知了zKnown:致力于信息降噪 / 阅读提效的个人知识助手

    知了 zKnown 是一款 AI-Native 构建的个人知识助手,专注于信息降噪和阅读提效。它通过多端同步、多渠道总结、长文本支持等功能,帮助用户高效地管理和整理信息。产品的主要优点包括:- 多端同步:用户可以在移动app、桌面客户端、网页版、小程序等多个平台同步使用。- 多渠道总结:支持微信公众号、知乎、简书、36Kr、少数派等多个渠道的文章总结。- 长文本支持:最长支持总结3万字的文章内容。- 摘要导出:用户可以将摘要保存到 Notion、Flomo 等平台。- 产品背景:知了 zKnown 致力于通过 AI 技术提升用户的阅读和信息管理效率,适合需要高效处理大量信息的用户。

  • MBox AI Meet:实时转录与会议总结的谷歌会议扩展

    MBox AI Meet是一款免费Chrome扩展,专为Google Meet设计,提供实时转录和自动生成会议总结的功能。它利用AI技术帮助用户在会议中专注于讨论,而无需担心记笔记。该工具通过实时转录捕捉会议的每一个细节,并在会议结束后自动生成总结,确保用户不会错过任何重要信息。MBox AI Meet的隐私优先策略确保会议安全,不存储任何音频或视频内容。此外,该扩展还计划在未来更新中增加更多AI功能,如发言人识别、实时AI助手等。

  • Klee:本地安全AI,保障数据隐私。

    Klee是一款macOS原生的AI助手应用程序,专注于本地处理数据,确保数据安全和隐私。它使用先进的AI技术,如RAG(检索增强生成)和开源大型语言模型,如Llama 3和Mistral,为用户提供高效、智能的笔记、搜索和知识管理功能。Klee的主要优点包括本地运行以保护隐私、支持团队协作、免费使用以及优化的macOS体验。

  • Kipps.AI:快速构建AI助手,提升业务效率

    Kipps.AI 是一个在线平台,允许用户在短短两分钟内构建自己的AI助手,并将其集成到业务中。该平台支持多种数据源,如PDF、Notion、网站链接和文本,用户只需提供这些数据,Kipps.AI 会处理其余部分。它还与常用的工具如GoDaddy、Wordpress、Drupal、Squarespace、Magento和Wix等进行集成,使得用户可以轻松地将AI助手集成到现有的业务流程中。

  • CrossPrism for MacOS:图像识别、标注和关键词生成工具

    CrossPrism for MacOS 是一款专为摄影师设计的图像识别、标注和关键词生成工具。它利用多核 CPU、GPU 和神经引擎,能够识别物种、生成标题和描述,并支持模型训练的可定制性。用户可以在本地自动标注无限量的原始照片,确保所有照片安全地存储在 Mac 上,无需担心云服务中断、数据锁定或文件传输问题。其20多个专家模型可以对从鸟类到地标的各种内容进行分类,并提供新的视角来整理目录和重新发现旧照片。此外,它还支持视频处理、Lightroom 插件、图像质量评估等功能,使其成为一个强大的筛选工具。

  • ZETIC.ai:构建零成本的设备端AI。

    ZETIC.ai提供了一种革命性的设备端AI解决方案,使用NPU技术帮助企业减少对GPU服务器和AI云服务的依赖,从而显著降低成本。它支持任何操作系统、任何处理器和任何目标设备,确保AI模型在转换过程中不损失任何核心功能,同时实现最优性能和最大能效。此外,它还增强了数据安全性,因为数据在设备内部处理,避免了外部泄露的风险。

  • Kerqu.Ai:一站式AI内容生成器,助力跨境电商提升效率。

    Kerqu.Ai是一个为跨境电商卖家提供一站式AI解决方案的平台,整合了先进的AI技术,帮助用户节约成本、提升品牌影响力和销售转化率。产品通过AI技术实现模特换场景、AI图片创作、批量抠图、图片变高清等功能,同时提供一键撰写文案、优化文案和多语言翻译服务,满足多站点经营需求。

  • ReviewHawk:通过分析用户评论,降低用户流失率。

    ReviewHawk是一个专注于分析应用商店评论的工具,旨在帮助企业降低用户流失率,获取用户反馈,从而改善产品。它通过数据驱动的决策和用户满意度分析,帮助企业了解用户真正想要的功能,从而提升用户留存率和产品满意度。

  • Airtable Cobuilder:快速创建与管理数据的应用程序

    Airtable Cobuilder 是一款强大的应用程序构建工具,旨在通过简单的拖放界面和AI辅助功能,帮助用户快速创建和管理数据。它允许用户连接和简化他们最关键的数据,通过可视化数据、自定义视图和集成其他业务工具,提高团队协作和数据管理的效率。该工具特别适合需要高度定制化和灵活性的业务应用场景。

  • Alertfor:追踪网络信息,及时获取答案变化

    Alertfor 是一个在线平台,通过其专有的AQTA (Ask Question Track Answer) 流程,允许用户提交复杂问题,并在网页上寻找最相关的答案。它通过持续追踪提供连续的更新,确保用户能够获得准确且及时的信息。

  • Unskool:家长支持工具,助力家庭教育

    Unskool是一个由家长为家长制作的辅助工具,旨在简化家庭教育过程。它通过去除繁琐的行政工作,让家长能够专注于创造一个丰富的学习环境,让家长和孩子都能茁壮成长。Unskool提供了跟踪、记录和灵感激发的功能,并通过人工智能生成定制的、按需的课程计划,帮助家长更高效地进行家庭教育。

  • AI Generated Diagram:智能生成图表工具

    AI Generated Diagram 是一款利用人工智能技术生成图表的工具。它通过用户输入的提示(prompts)来创建图表,支持多种布局类型,如水平布局(Horizontal)。用户可以通过编辑、配置等操作来调整图表的细节,并支持导出为SVG格式或导出数据。该工具不仅提高了设计图表的效率,还通过AI技术提升了图表的美观度和准确性。

  • Free AI Image Extender:使用人工智能扩展图像边界

    AI Image Extender 是一款利用人工智能技术扩展图像边界的工具,通过生成新内容与现有图像无缝融合,增强图像的视觉延展性。该产品通过先进的AI算法,能够智能识别图像内容并生成自然过渡的扩展区域,适用于需要图像扩展或背景生成的各种场景。

  • Capacities:一个为你的思维打造工作室的APP

    Capacities是一个旨在改善人们思考方式和工作流程的应用程序。它通过使用对象而非传统文件和文件夹来组织信息,帮助用户更直观地理解和连接复杂的信息结构。该应用支持网络化笔记,使用户能够自然地构建信息网络,激发新的创意。Capacities还提供AI助手,帮助用户与笔记中的对象动态互动,并提高写作质量。此外,该应用注重数据安全和隐私保护,符合GDPR标准,数据存储在欧盟的加密服务器上。

  • CLASI:高质量、类人同声传译系统

    CLASI是一个由字节跳动研究团队开发的高质量、类人同声传译系统。它通过新颖的数据驱动读写策略平衡翻译质量和延迟,采用多模态检索模块来增强特定领域术语的翻译,利用大型语言模型(LLMs)生成容错翻译,考虑输入音频、历史上下文和检索信息。在真实世界场景中,CLASI在中英和英中翻译方向上分别达到了81.3%和78.0%的有效信息比例(VIP),远超其他系统。

  • image-matting:AI抠图项目,使用开源模型实现图像抠图。

    image-matting 是一个基于开源模型 briaai/RMBG-1.4 的AI抠图项目。该项目旨在通过学习AI技术、GUI开发、前端学习以及i18n国际化等技术,实现本地模型算法的图像抠图功能。它支持单张和批量抠图,用户可以通过拖拽和粘贴的方式快速进行图像处理。项目还提供了打包后的运行文件下载链接,方便用户使用。

  • OnlyPans:AI定制周晚餐计划

    OnlyPans是一个利用人工智能技术为用户提供定制化晚餐计划的应用程序。它通过与用户的简短聊天来了解用户的预算、口味偏好、语言习惯、饮食限制以及日常生活的忙碌程度,然后快速生成符合用户需求的晚餐计划。随着用户使用时间的增长,OnlyPans会不断学习和优化,提供更加个性化的服务。此外,OnlyPans还提供智能购物清单功能,帮助用户避免食品浪费和不必要的紧急购物。OnlyPans注重用户隐私保护,承诺不会出售用户的任何信息。

  • Excel Dashboard AI:将Excel转换为仪表板和报告的AI工具。

    Excel Dashboard AI是一款利用人工智能技术,将Excel数据快速转换为交互式仪表板和分析报告的工具。它通过自然语言处理能力,允许用户以对话形式与数据进行交流,从而迅速获得洞察。产品的主要优点包括快速生成多样化的数据分析维度、自然语言编辑和锁定分析视角、一键生成交互式仪表板、AI解读图表含义以及将仪表板转换为详尽的分析报告等。

  • 清影 AI 视频生成服务:基于 AI 技术生成视频内容的智能服务。

    清影 AI 视频生成服务是一个创新的人工智能平台,旨在通过智能算法生成高质量的视频内容。该服务适合各种行业用户,能够快速便捷地生成富有创意的视觉内容。无论是商业广告、教育课程还是娱乐视频,清影 AI 都能提供优质的解决方案。该产品依托于先进的 GLM 大模型,确保生成内容的准确性与丰富性,同时满足用户个性化需求。提供免费试用,鼓励用户探索 AI 视频创作的无限可能。

  • Tempest AI:无需编码,10分钟构建游戏

    Tempest AI是一个无需编码即可快速构建游戏的平台。它利用强大的AI助手帮助用户从零开始创建游戏,支持动态角色、适应性任务和互动世界。用户可以通过拖放编辑器构建世界,设计游戏机制,并通过故事构建器控制游戏叙事。Tempest AI不仅适合游戏开发者,也适合那些希望探索创意和互动叙事的爱好者。

今日大家都在搜的词: