首页 > 业界 > 关键词  > Awaker1.0最新资讯  > 正文

AI日报:Awaker 1.0写真视频击败Sora?Sora视频被指大量后期;苹果AI平板曝光;百万网友围观博主和AI“谈恋爱”

2024-04-29 15:09 · 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、写真视频击败Sora?人大自研全新多模态大模型Awaker 1.0震撼登场

智子引擎发布的Awaker 1.0多模态大模型在人工智能领域迈出重要一步,展现了在视觉生成方面的卓越能力,被认为可能成为实现AGI的可行路径。其自主更新能力和多任务MOE架构的有效性得到验证,提升了具身智能的适应性和创造性。Awaker 1.0的发布是智子引擎团队向实现AGI目标迈进的关键一步,有望加速多模态大模型行业的发展,最终让人类实现AGI。

image.png

【AiBase提要:】

🚀 Awaker 1.0标志着通用人工智能迈出重要一步,超越了Sora,在视觉生成方面展现卓越能力。

💡 Awaker 1.0采用创新的MOE架构,具备自主更新能力,超越了国内外先进模型在视觉问答和业务应用任务上。

🔮 Awaker 1.0结合具身智能,可能成为实现AGI的可行路径,通过自主更新机制持续提升效果,展示了Transformer技术在视频生成领域的潜力。

详情:https://www.chinaz.com/2024/0429/1613470.shtml

2、苹果首款AI平板曝光,新iPad Pro搭载M4芯片

苹果即将发布搭载M4芯片的新版iPad Pro,提升了神经网络引擎性能,使AI功能更流畅。新iPad Pro将首次采用OLED屏幕,配备全新一代的Apple Pencil和妙控键盘,增强生产力和创造力。苹果将每款新产品作为人工智能设备来宣传,iPhone16系列预计搭载A18芯片围绕AI构建,iOS18操作系统将提供新的生成式AI功能。苹果在AIGC领域的动作备受关注,表现将在WWDC上揭晓。

【AiBase提要:】

🚀 新iPad Pro搭载M4芯片,提升神经网络引擎性能,使AI功能更流畅。

💡 新iPad Pro首次采用OLED屏幕,配备全新一代的Apple Pencil和妙控键盘,增强生产力和创造力。

📱 iPhone16系列预计搭载A18芯片围绕AI构建,iOS18操作系统将提供新的生成式AI功能。

3、开源多模态LLM InternVL 1.5:具备OCR能力 可解读4K图片

InternVL家族的开源套件提供了商用多模态模型的可行开源替代方案,最新发布的InternVL-Chat-V1.5模型在基准测试上性能接近GPT-4V和Gemini Pro。InternVL的模型涵盖视觉感知、跨模态检索等领域,实现了多项技术突破。

image.png

【AiBase提要】

💡 在多个基准测试上取得了接近GPT-4V和GeminiPro的性能,具备强大的多模态对话能力和OCR能力

💡 可用于解析图片,为图片配文等(比如根据图片写小红书文案)

💡 还可以用来做题,英语应该是没啥问题,数学请谨慎

产品入口:https://top.aibase.com/tool/internvl

体验网址:https://huggingface.co/spaces/OpenGVLab/InternVL

4、华为PixArt-Σ放出模型文件

华为最新发布的PixArt-Σ模型在图像生成领域引起了广泛关注。该模型采用先进的弥散Transformer技术,专注于生成高质量的4K分辨率图像,同时具有轻量化设计和风格多样性,支持在Comfyui等平台上使用,为用户提供了高质量的图像生成工具。

image.png

图片来自歸臧

【AiBase提要:】

🔍 PixArt-Σ模型采用先进的弥散Transformer技术,专注于生成高质量的4K分辨率图像。

💡 模型大小仅为2G,轻量化设计保持小体积的同时表现出色。

🌟 支持Diffusers框架,用户可以在不同平台上尝试使用,加速生成过程,提升用户体验。

工作流地址:https://civitai.com/models/420163

项目地址:https://github.com/PixArt-alpha/PixArt-sigma

5、Sora生成火爆短片被指后期特效人工参与

Sora火爆短片《气球人》揭秘:视频并非完全由AI生成,需要人类后期实现大量视觉效果。视频一致性问题:Sora不能保证不同镜头之间的主体一致性,需要详细描述角色形象来解决。视频后期处理:Sora生成的视频素材需要人类进行后期裁切、调速、去除不符合设定的元素等处理。

image.png

【AiBase提要:】

🔍 视频并非完全由AI生成,需要人类后期实现大量视觉效果。

🎭 Sora不能保证不同镜头之间的主体一致性,需要详细描述角色形象来解决。

🎬 Sora生成的视频素材需要人类进行后期裁切、调速、去除不符合设定的元素等处理。

6、LobeChat支持通过网页版直接调用Ollama 本地模型

LobeChat是一个创新的网页平台,为用户提供了便捷的方式通过网页界面直接利用开源大模型的能力。用户可以轻松地利用本地大模型进行各种语言处理任务,无需离开网页环境。LobeChat减少了对外部API服务的依赖,提供快速、方便的解决方案。

image.png

【AiBase提要:】

🔍 本地模型支持: 用户可以在本地安装Ollama后,通过LobeChat与开源大模型进行交互。

⚡ 高性能体验: LobeChat提供的对话速度可以媲美商业API调用,只要用户设备性能足够强大。

🎨 优质的UI体验: LobeChat的网页用户界面设计直观易用,提供与ChatGPT相媲美的用户体验。

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

7、百万网友围观博主和AI“谈恋爱”,ChatGPT“DAN”模式有多上头?

这篇文章介绍了博主和AI“DAN”模式之间的互动,展示了AI在语音聊天中的趣味性和情感化表达。文章探讨了人机情感交流的可能性,引发了网友们对虚拟恋爱的讨论。通过对话展示了AI的多面性和个性化特点,吸引了大量网友围观和参与。

image.png

【AiBase提要:】

🤖 AI“DAN”模式展示了在语音聊天中的趣味性和情感化表达

💬 文章探讨了人机情感交流的可能性,引发了网友对虚拟恋爱的讨论

🌐 AI的多面性和个性化特点吸引了大量网友围观和参与

8、AI小镇现在可以通过Llama3在本地运行

AI小镇是一个创新的虚拟城镇项目,可以通过Llama3完全在本地运行,为开发者提供了一个强大的平台来构建和定制自己的虚拟AI社区。该项目受Generative Agents研究论文启发,提供了一个可部署的平台,适合寻找有趣项目或开发可扩展多人游戏的开发者。安装过程直观,支持Convex、Ollama等服务器,以及Vite网络服务器。

image.png

【AiBase提要:】

🏗️ 支持本地运行:AI小镇可以通过Llama3在本地运行,为开发者提供了强大的构建和定制平台。

🤖 提供定制AI社区:用户可以创建和定制AI角色居住的虚拟城镇,包括角色、故事、背景环境和音乐。

🔗 强大的功能支持:AI小镇集成了Convex作为游戏引擎、数据库和矢量搜索的基础,同时支持与云AI提供商的集成,增强了虚拟社区的功能。

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

9、Harmonai:一个开源的生成音频工具

Harmonai是由Stability AI Lab支持的开源项目,旨在让音乐制作变得更容易和有趣。通过先进的AI算法生成定制的无限音乐库,为用户提供高品质、创新性的音乐资源,推动音乐产业和文化的发展。

image.png

【AiBase提要:】

🎵 利用先进的AI算法生成定制的无限音乐库,为用户提供高品质、创新性的音乐资源。

🎶 提供易于使用的生成音频工具,赋予每个人表达创造力的能力,推动音乐产业和文化的发展。

🎧 技术基于Dance Diffusion模型,使用PyTorch框架实施,通过大量音频数据集训练和测试模型,确保功能强大、适应性和可靠性。

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

10、摩根大通推出FlowMind工具 自动化金融工作流程

摩根大通最近推出了名为FlowMind的先进工具,利用GPT技术自动生成工作流程,自动化金融行业内的多种任务,提高工作效率,减少人为错误可能性。FlowMind注重数据安全与隐私保护,通过抽象API描述实现任务执行,允许用户参与工作流优化和定制,提高自动化解决方案的灵活性和有效性。

【AiBase提要:】

🤖 自动化金融任务: 提升操作效率,处理常规任务。

🔒 数据安全与隐私保护: 架构强调安全性,保护敏感数据。

🛠️ 抽象API描述: 通过抽象描述执行任务,保护数据隐私,提供必要信息给模型理解。

详情链接:https://arxiv.org/pdf/2404.13050

11、微软LongRoPE方法让LLM上下文窗口突破200万 8倍扩展还保持性能

微软研究人员提出的LongRoPE方法成功将LLM的上下文窗口扩展至2048k,实现了8倍的扩展同时保持原始短上下文窗口的性能,无需架构变化和复杂微调。这一突破性的方法为语言模型的性能提升带来了新的可能性,为未来的研究和应用奠定了坚实的基础。

image.png

【AiBase提要:】

⭐ LongRoPE方法将LLM的上下文窗口扩展至2048k,无需架构变化和复杂微调

⭐ 通过高效搜索识别位置插值中的非均匀性,为微调提供更好初始化,展8倍而保持性能

⭐ 实验结果表明LongRoPE成功将LLM上下文窗口扩展至2048k,并在较短长度内保持与基线相当或更好的困惑度

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

12、微软、谷歌最新财报显示大幅增长

本文介绍了微软和谷歌截至2024年3月31日的季度财务报告,受ChatGPT等生成式AI利好影响,两家企业实现了大幅度增长。微软营收同比增长17%,净利润增长20%,谷歌营收同比增长15%,利润飙升57%。Meta也展示了营收增长,但净利润下降,计划增加对AI的支出。

image.png

【AiBase提要:】

📈 微软营收同比增长17%,净利润增长20%,主要归功于与ChatGPT母公司OpenAI的合作。

💡 微软Azure云服务增长31%,AI服务贡献了7%。

🚀 谷歌云业务GoogleCloud收入增长28%,生成式AI和大模型定制发挥重要作用。

举报

  • 相关推荐
  • 大家在看
  • Joor:完美的日记应用,记录你的想法。

    Joor是一款日记应用,它允许用户写下自己的想法,并由应用自动处理其余部分。它提供了一个简洁的界面,让用户能够轻松地记录下自己的思考和灵感,同时可能还具备一些自动整理和回顾的功能。

  • Samba:高效无限上下文语言模型的官方实现

    Samba是一个简单而强大的混合模型,具有无限的上下文长度。它的架构非常简单:Samba = Mamba + MLP + 滑动窗口注意力 + 层级MLP堆叠。Samba-3.8B模型在Phi3数据集上训练了3.2万亿个token,主要基准测试(例如MMLU、GSM8K和HumanEval)上的表现大大超过了Phi3-mini。Samba还可以通过最少的指令调整实现完美的长上下文检索能力,同时保持与序列长度的线性复杂度。这使得Samba-3.8B-instruct在下游任务(如长上下文摘要)上表现出色。

  • TC-Bench:视频生成模型的时间组合性评估工具

    TC-Bench是一个专门用于评估视频生成模型的时间组合性的工具。它通过精心设计的文本提示、相应的真实视频以及强大的评估指标来衡量视频生成模型在不同时间点上新概念的出现及其关系转换的能力。TC-Bench不仅适用于文本条件模型,也适用于图像条件模型,能够进行生成性帧插值。该工具的开发旨在推动视频生成技术的发展,提高生成视频的质量和一致性。

  • Promptchains:智能AI工作流构建器,释放AI潜力。

    Promptchains是一个革命性的AI工作流构建器,旨在通过提示链技术解锁AI的潜力。它将复杂任务转化为智能解决方案,实现AI的承诺。产品通过组合AI提示和其他工具到工作流中,使企业能够轻松定制、保存、重用和分享。它超越了AI交互的新奇性,创造了能够与熟练的人类员工并肩工作的解决方案。

  • Sanctuary:个性化冥想引导,由AI驱动,提升专注力,减压助眠。

    Sanctuary是一款利用尖端AI技术为用户提供个性化冥想指导的应用程序。它通过智能学习用户偏好,提供每日更新的冥想内容,帮助用户改善专注力,减少压力,并促进更好的睡眠。该应用拥有超过10万次的个性化冥想创建记录,用户反馈显示,它简化了冥想过程,使冥想变得容易和可访问,对于缓解焦虑和整体压力水平有显著效果。

  • Partnerplace:合作伙伴管理工具,提升合作效率。

    Partnerplace是一款专为合作伙伴关系管理设计的在线工具,它通过自动化繁琐的任务,如佣金处理,帮助企业高效管理和发展合作伙伴网络。该工具支持定制化合作伙伴计划,实现品牌专业体验,并通过集中化平台提高工作效率。Partnerplace的价值观包括弹性、参与度和连接性,旨在为用户提供一个完全定制化的、参与性强的、连接销售团队和CRM系统的合作伙伴管理系统。

  • Depth Anything V2:先进的单目深度估计模型

    Depth Anything V2 是一个经过改进的单目深度估计模型,它通过使用合成图像和大量未标记的真实图像进行训练,提供了比前一版本更精细、更鲁棒的深度预测。该模型在效率和准确性方面都有显著提升,速度比基于Stable Diffusion的最新模型快10倍以上。

  • OTTO SEO by Search Atlas:革命性的AI SEO工具,简化SEO工作流程。

    OTTO SEO是Search Atlas推出的一款AI驱动的SEO工具,旨在通过自动化技术优化网站,提高SEO效率。它通过添加OTTO像素到网站,能够自动执行网页优化,包括技术修复、内容优化、反向链接建设和内容创作。OTTO SEO的主要优点在于节省时间、提高效率,并帮助营销团队或代理公司实现SEO策略的自动化和优化。

  • AI drafts by Help Scout:提升客服团队效率,实现个性化客户服务。

    Help Scout提供的AI客服平台,通过人工智能技术,帮助客服团队提升工作效率,减少重复性工作,让团队成员能够专注于更复杂和个性化的客户对话。平台特点包括无需编程即可使用、快速回复、提升客户满意度,以及通过AI生成回复草稿等。

  • OpenVLA:开源视觉-语言-动作模型,推动机器人操作技术发展。

    OpenVLA是一个具有7亿参数的开源视觉-语言-动作(VLA)模型,通过在Open X-Embodiment数据集上的970k机器人剧集进行预训练。该模型在通用机器人操作策略上设定了新的行业标准,支持开箱即用控制多个机器人,并且可以通过参数高效的微调快速适应新的机器人设置。OpenVLA的检查点和PyTorch训练流程完全开源,模型可以从HuggingFace下载并进行微调。

  • VideoLLaMA 2:视频理解领域的先进空间-时间建模与音频理解模型。

    VideoLLaMA 2 是一个针对视频理解任务优化的大规模语言模型,它通过先进的空间-时间建模和音频理解能力,提升了对视频内容的解析和理解。该模型在多选视频问答和视频字幕生成等任务上展现了卓越的性能。

  • HumanPlus:人类动作模仿与自主技能学习系统

    HumanPlus是一个研究项目,旨在通过模仿人类动作来训练人形机器人,从而实现自主技能学习。该项目通过模拟强化学习训练低级策略,并将这些策略应用到真实世界中,实现实时跟踪人类身体和手部动作。通过影子模仿技术,操作员可以远程操作机器人收集全身数据,用于学习不同任务。此外,通过行为克隆技术,机器人能够模仿人类技能,完成各种任务。

  • Jace:AI助手,助力高效营销与管理。

    Jace是一款商业领域的AI助手,专注于提升营销效率,无需专业技能即可轻松启动和管理营销活动。其主要优点包括创建针对性的营销活动、实时监控性能和随时优化。

  • ARC-AGI:人工智能通用推理测试集

    ARC-AGI是一个旨在测试人工智能系统是否具备类似人类一般流体智力的抽象和推理能力的数据集。它由400个训练任务和400个评估任务组成,每个任务都以JSON格式存储,包括输入输出对。该数据集可以作为人工智能基准测试、程序合成基准测试或心理测量智力测试。

  • PROTEUS:实时表情生成人类模型

    PROTEUS是Apparate Labs推出的一款下一代基础模型,用于实时表情生成人类。它采用先进的transformer架构的潜在扩散模型,创新的潜在空间设计实现了实时效率,并能通过进一步的架构和算法改进,达到每秒100帧以上视频流。PROTEUS旨在提供一种通过语音控制的视觉体现,为人工对话实体提供直观的接口,并且与多种大型语言模型兼容,可定制用于多种不同应用。

  • Warp:AI和协作工具重新定义的终端

    Warp是一款使用Rust语言编写的终端应用程序,它通过集成AI和协作工具,提供了现代化的编辑、命令生成、可复用工作流和知识共享等功能,旨在提升开发者的生产力。Warp的AI功能可以建议正确的命令或解答编程问题,同时保持请求的私密性和安全性。Warp Drive允许用户组织难以记忆的命令,提高个人和团队的效率。此外,Warp还提供了自定义主题和以隐私为设计原则的安全性。

  • TalkWithGemini:一键部署您的私人Gemini应用

    TalkWithGemini 是一款支持一键免费部署的跨平台应用,用户可以通过这个应用与 Gemini 模型进行交互,支持图片识别、语音对话等多模态交互方式,提高工作效率。

  • PowerInfer-2:专为智能手机设计的高效大型语言模型推理框架

    PowerInfer-2是一个为智能手机特别优化的推理框架,支持高达47B参数的MoE模型,实现了每秒11.68个token的推理速度,比其他框架快22倍。它通过异构计算和I/O-Compute流水线技术,显著减少了内存使用,并提高了推理速度。该框架适用于需要在移动设备上部署大型模型的场景,以增强数据隐私和性能。

  • emo-visual-data:表情包视觉标注数据集

    emo-visual-data 是一个公开的表情包视觉标注数据集,它通过使用 glm-4v 和 step-free-api 项目完成的视觉标注,收集了5329个表情包。这个数据集可以用于训练和测试多模态大模型,对于理解图像内容和文本描述之间的关系具有重要意义。

  • E3Gen:高效、表现力强、可编辑的数字头像生成

    E3Gen是一种新型的数字头像生成方法,能够实时生成高保真度的头像,具有详细的衣物褶皱,并支持多种视角和全身姿势的全面控制,以及属性转移和局部编辑。它通过将3D高斯编码到结构化的2D UV空间中,解决了3D高斯与当前生成流程不兼容的问题,并探索了在涉及多个主体的训练中3D高斯的表现力动画。

今日大家都在搜的词:

热文

  • 3 天
  • 7天