首页 > 业界 > 关键词  > Runway最新资讯  > 正文

AI日报:新王诞生!Runway重磅发布Gen-3 Alpha;Luma AI发布Extend功能;DeepSeek又开源了一个模型;ElevenLabs可为视频自动配音

2024-06-18 14:38 · 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、AI视频王者回归!Runway全新Gen3模型又让网友惊艳了一把

这篇文章介绍了Runway最近推出的新一代视频生成模型Gen-3Alpha,该模型在保真度、一致性和动作表现方面有重大改进,为构建通用世界模型迈出了重要一步。Gen-3Alpha具备多项显著功能和特点,成为创意产业中的新星。

【AiBase提要:】

⭐️ Gen-3Alpha在保真度、一致性和动作表现方面有显著提升,能够生成表达丰富的、逼真的人类角色

⭐️ Gen-3Alpha支持多种生成工具,如文本到视频、图像到视频、文本到图像转换工具。

⭐️ 能够进行精细时间控制,支持多种高级控制模式,包括运动画笔、先进摄像头控制和导演模式

⭐️ 极度稳定的光影,即便在高速移动的场景中也能保持高质量输出。

更多视频点此查看:https://mp.weixin.qq.com/s/5LbM0NfkeiYFU0r4VDqpYA

官网地址:https://top.aibase.com/tool/gen-3-alpha

2、Luma AI发布了 Extend 功能 视频时长扩充到10秒以上

Luma AI最近更新了Dream Machine视频模型,新增了Extend功能,可以将视频时长扩充到10秒以上,并保持原视频风格、人物对象一致。虽然Extend功能生成延长视频耗时较长,但风格一致性保持得很好。

【AiBase提要:】

✨ Dream Machine升级发布Extend功能,视频时长可达10秒以上,保持原视频风格与对象一致。

⏱️ 使用Extend功能延长视频耗时较长,但风格一致性良好。

🔗 详情:https://www.chinaz.com/ainews/9639.shtml

3、DeepSeek发布开源模型DeepSeek-Coder-V2

DeepSeek最近发布了开源模型DeepSeek-Coder-V2,该模型在代码和数学能力方面超越了GPT-4-Turbo,具有全球领先的性能。模型采用MoE架构,支持多语言和更长的上下文处理长度。用户可免费商用,无需申请。

image.png

【AiBase提要:】

🚀 模型性能全球领先,特别擅长代码生成和数学算术。

💡 支持338种编程语言和128K上下文长度,满足更多开发需求。

🔗 提供API服务,价格与DeepSeek-V2一致,在基准测试中表现优异。

详情链接:https://top.aibase.com/tool/deepseek-coder-v2

4、Adobe Acrobat迎来重大AI升级 支持多文档分析和图像生成

Adobe即将推出一系列重磅AI升级,提升Acrobat的AI助手功能、图像生成能力,保证数据隐私保护。这次更新将极大提升办公效率,为处理大量文档和优化视觉内容带来便利。

QQ截图20240618092653.png

【AiBase提要:】

🚀 AI助手功能升级,支持多文档分析和查询,提升用户体验。

🖼️ 新增AI图像生成器,用户可生成全新图像或编辑现有PDF中的图像。

🔒 数据隐私保护承诺,文档上传至云端分析但不用于训练AI模型,禁止第三方利用。

5、苹果在Hugging Face平台发布20个Core ML模型

苹果在Hugging Face平台发布了20个新的Core ML模型和4个数据集,展示了其在推动AI发展方面的重大进展。这次更新不仅包括着眼于文本和图像的令人振奋的新模型,还涵盖了广泛的应用,如图像分类、单目深度估计和语义分割。苹果强调了设备AI的重要性,通过在用户设备上运行优化的模型,提升了应用程序性能,同时保障用户数据安全和隐私。

image.png

【AiBase提要:】

🚀 苹果在Hugging Face平台发布了20个新的Core ML模型和4个数据集,推动AI发展。

💡 新发布的Core ML模型涵盖了广泛的应用,包括图像分类、单目深度估计和语义分割。

🔒 苹果强调设备AI的重要性,优化的模型在用户设备上运行,提升应用程序性能并保障用户数据安全和隐私。

详情链接:https://huggingface.co/apple

6、ElevenLabs开源视频生成音效工具 上传视频即可自动配音

ElevenLabs是一家专注于音频生成技术的公司,最近宣布涉足视频生成领域,开源了一个项目可以自动为上传的视频配音,生成合适的音效。他们推出了新功能,用户可以通过输入文本生成各种逼真的音乐特效,为电影、游戏、短视频等行业带来巨大帮助。除音效生成外,还提供语音克隆和文本转语音等强大功能。

【AiBase提要:】

🔊 自动为上传视频配音,生成合适音效

🎶 输入文本生成各种逼真音乐特效,帮助电影、游戏、短视频行业

🎤 提供语音克隆和文本转语音功能,赋予内容更生动表现形式

文本转音频入口:https://top.aibase.com/tool/elevenlabs-wenbenzhuanyinxiaoapi

视频自动配音入口:https://top.aibase.com/tool/elevenlabs-texts-to-sounds-effects-api

7、腾讯微信视频号拟限制数字人带货

腾讯视频号近日宣布了对《视频号橱窗达人发布低质量内容实施细则》的修订,旨在加强内容质量监管,并拟禁止数字人直播带货。该修订于今年 6 月 7 日至 6 月 13 日公开征集意见。

【AiBase提要:】

⭐ 修订细则旨在加强视频号内容质量监管

⭐ 禁止数字人直播带货,明确禁止非真实直播内容

⭐ 平台将对违规者采取相应处罚措施

详情:https://www.chinaz.com/2024/0618/1624007.shtml

8、Stability AI的SD3因许可问题遭反对,CivitAI社区封禁相关内容

Stability AI最新发布的重大模型SD3因许可问题引发争议,面临AI社区反对。CivitAI社区封禁与SD3相关内容,引发许可协议争议。公司推出面向消费者的创作者许可,限制开发者条件和图像生成数量。SD3存在无法生成特定人体姿势等问题,未来不确定。CEO离职裁员,公司需解释新许可协议影响。整个争议对AI社区和开源模型发展有潜在影响。

【AiBase提要:】

💥 SD3许可问题引发争议,面临AI社区反对。

🔒 公司推出创作者许可,限制开发者条件和图像生成数量。

❓ SD3存在无法生成特定人体姿势等问题,未来不确定。

9、乐高打印机Pixelbot 3000

这篇文章介绍了YouTube频道创作者@Creative Mindstorms设计制造的Pixelbot3000乐高打印机,利用自定义代码和人工智能生成乐高马赛克。用户只需输入艺术作品名称,AI生成图像后Pixelbot3000自动组装马赛克。

image.png

【AiBase提要:】

🤖 利用自定义代码和人工智能,Pixelbot3000能够自动生成乐高马赛克,简化了打印过程。

🎨 Pixelbot3000使用OpenAI的DALL-E3生成卡通风格简化图像,最终产生高对比度的缩放图像。

🔧 Pixelbot3000通过分割AI生成的图像并采样每个方格中心像素的颜色,得到更好的马赛克图案。

10、研究人员教会 AI 识别人类线描的草图

这篇文章介绍了萨里大学和斯坦福大学研究团队开发的新方法,教会人工智能理解人类线描草图的重要性和成果。通过结合草图和文字描述,人工智能展现出接近人类水平的理解能力,对复杂场景中的对象进行准确识别和标记。这一研究为人机交互和设计工作流程带来了新的可能性。

image.png

【AiBase提要:】

🧠 人工智能学习理解草图的重要性,展现出接近人类水平的表现

🌳 人工智能能以85%准确度识别和标记风筝、树、长颈鹿等对象,超越其他模型

🎨 新方法不仅适用于非艺术家绘制的草图,还适用于没有明确训练的对象绘制的草图

详情链接:https://arxiv.org/abs/2312.12463

11、研究:AI生成图像未能准确呈现伊斯兰建筑文化细微差异

人工智能(AI)在建筑设计领域带来革命性变革,但在伊斯兰建筑等文化敏感领域,AI生成的图像未能正确呈现历史元素。研究指出AI生成器存在历史知识不足,建议谨慎使用。作者认为AI可成为有价值工具,但需结合人类专业知识和文化敏感度。

image.png

【AiBase提要:】

🏗️ AI在建筑设计中革命性变革,但在伊斯兰建筑领域存在挑战。

🕌 AI生成器历史知识不足,未能准确呈现伊斯兰建筑文化细节。

🤖 AI应作为增强人类创造力的工具,结合专业知识和文化敏感度。

举报

  • 相关推荐
  • 大家在看
  • 免费AI在线变声器:创新AI技术,轻松改变声音。

    免费AI在线变声器是一种利用人工智能技术,允许用户上传语音或输入文本,并将其转换成不同声音的工具。它与传统变声器不同,提供更逼真和准确的效果,支持性别声音转换,适用于角色扮演、游戏、内容创作等多种场景。

  • color4bg.js:动态生成炫酷多彩的网页背景

    color4bg.js 是一个使用 WebGL 和 JavaScript 生成动态、抽象且视觉震撼的背景图像的 JavaScript 库。它允许用户自定义多达六种颜色,以生成背景图案,支持动态动画效果,并可通过种子值确保每次生成相同的图案,便于集成到网页设计中。

  • MemFree:智能搜索工具,快速获取互联网及本地数据

    MemFree是一个创新的搜索工具,它允许用户快速从互联网、书签、笔记和文档中获取准确的答案。它通过先进的算法索引和搜索技术,帮助用户节省时间,提高工作效率。

  • Inrō:Instagram自动化营销助手

    Inrō是一个AI驱动的营销自动化工具,专为Instagram设计,帮助企业通过直接消息(DM)提升用户参与度和转化率。它通过分析用户互动历史和上下文,自动组织受众并个性化消息内容。Inrō还提供了与现有信息系统的集成,以及自动化的潜在客户获取和跟踪功能。产品背景信息包括其母公司EDGAR SAS是Meta批准的供应商,符合Instagram的社区准则、隐私政策和服务条款,并且提供数据安全和加密传输。

  • Gan.AI Video Recorder:录制无限个性化视频,提高会议效率和交易成功率。

    Gan.AI Video Recorder 是一款在线视频录制工具,它允许用户快速录制屏幕和摄像头,并通过个性化功能来增强视频的吸引力和效果。产品的主要优点包括无限视频录制、个性化字幕和缩略图、动态网站背景滚动以及定制化登录页面等。这些功能使得Gan.AI Video Recorder 成为提高工作效率和交易成功率的有效工具。

  • Superjoin:自动将实时数据导入Google Sheets的AI工具。

    Superjoin是一个集成了AI技术的插件,允许用户无需编写任何代码即可将实时数据从他们喜爱的工具中导入到Google Sheets。它为RevOps团队提供了无需编码和开发人员即可操作的解决方案,支持一键连接无限数据源,自动刷新数据,并支持双向同步。

  • Prime Intellect:AI开发规模化的民主化平台

    Prime Intellect是一个致力于AI开发规模化民主化的平台,提供全球计算资源的发现、模型训练以及共同拥有智能创新的能力。它通过分布式训练跨集群,使得用户能够训练最前沿的模型,并且共同拥有由此产生的开放AI创新成果,包括语言模型和科学突破。

  • Zed:高性能、多人协作代码编辑器

    Zed是由Atom和Tree-sitter的创造者开发的高性能、多人协作代码编辑器,开源且集成了AI代码生成功能。它利用多核心CPU和GPU,实现即时启动、快速文件加载和响应键盘输入。Zed支持GitHub Copilot,并通过内置助手面板与模型进行对话式交互,以生成或重构代码。

  • AuraFlow:开源的基于流的文本到图像生成模型

    AuraFlow v0.1是一个完全开源的、基于流的文本到图像生成模型,它在GenEval上达到了最先进的结果。目前模型处于beta阶段,正在不断改进中,社区反馈至关重要。感谢两位工程师@cloneofsimo和@isidentical将此项目变为现实,以及为该项目奠定基础的研究人员。

  • 墨狐AI:短篇小说写作助手

    墨狐AI是一个专为短篇小说创作者设计的在线写作助手,它通过提供创意大纲、续写故事、生成剧情树和剧本创作等功能,帮助作者激发灵感,提高写作效率。产品背景信息显示,墨狐AI旨在解决创作者在创作过程中遇到的难题,如灵感枯竭或故事发展困难。目前,墨狐AI的定位是辅助工具,详情可访问官网查看更多介绍。

  • LLaVA-NeXT:大型多模态模型,处理多图像、视频和3D数据。

    LLaVA-NeXT是一个大型多模态模型,它通过统一的交错数据格式处理多图像、视频、3D和单图像数据,展示了在不同视觉数据模态上的联合训练能力。该模型在多图像基准测试中取得了领先的结果,并在不同场景中通过适当的数据混合提高了之前单独任务的性能或保持了性能。

  • 老鱼简历:在线制作简历,简单高效。

    老鱼简历是一个在线简历制作平台,提供多种简历模板,支持AI生成简历,帮助用户快速制作出专业且个性化的简历。用户可以根据自己的需求选择不同的模板,并通过简单的在线编辑完成简历的制作,支持下载为PDF或PNG格式,满足不同场景的求职需求。

  • Enchanted:与私有自托管语言模型对话的iOS/macOS应用

    Enchanted是一个开源的、兼容Ollama的macOS/iOS/visionOS应用,它允许用户与私有自托管的语言模型如Llama 2、Mistral、Vicuna等进行对话。它基本上是一个连接到私有模型的ChatGPT应用界面。Enchanted的目标是提供一个产品,允许在iOS生态系统(macOS、iOS、Watch、Vision Pro)的所有设备上提供无过滤、安全、私密和多模态的体验。

  • Logo Galleria:在线AI Logo制作,快速生成个性化标志。

    Logo Galleria是一个在线AI Logo制作平台,利用人工智能技术帮助用户快速生成个性化的标志设计。它通过用户输入的行业、风格等参数,提供定制化的标志设计方案,满足不同用户的设计需求。该平台的主要优点是操作简便、设计效率高,可广泛应用于品牌建设、产品包装等场景。

  • Afforai.com:AI驱动的参考文献管理助手

    Afforai是一个AI驱动的参考文献管理助手,旨在帮助研究人员管理、注释、引用论文,并以AI的可靠性进行文献综述。它提供了一个全新的研究材料存储方式,使用户能够专注于真正重要的事情。Afforai支持多种文档格式,包括DOI、URL、PDF等,并具有多种搜索模式,可以连接数百篇论文进行总结、比较和翻译。此外,Afforai还提供数据引用,使用户能够方便地核实信息来源,确保研究的可靠性。

  • Rodel Agent:集成聊天、文本转图像、文本转语音和机器翻译的桌面应用

    Rodel Agent 是一款集成了聊天、文本到图像、文本到语音以及机器翻译功能的Windows桌面应用程序。它支持当前主流的AI服务,为用户提供了卓越的桌面AI体验。该产品的主要优点包括强大的集成功能、用户友好的界面以及对主流AI服务的支持,能够显著提高用户的工作效率和创造力。

  • DictionaryByGPT4:一本由GPT4生成的英语单词书,覆盖8000+单词

    DictionaryByGPT4是一个由GPT4模型生成的英语单词学习工具,它通过分析超过8000个单词,为每个单词提供词义、例句、词根词缀、变形、文化背景、记忆技巧和小故事等全方位信息,帮助用户深入理解单词的来源、使用场景以及记忆方法。该产品特别适合需要提升英语词汇量和理解力的学习者。

  • gpt-frontend-code-gen:前端页面生成神器,提升开发效率

    gpt-frontend-code-gen 是一个基于 React 和 Vite 构建的前端项目,结合 Koa 后端服务,实现前端页面生成并预览的功能。它使用 GPT-4 模型,支持 Chakra UI 和 ShadcnUI 组件生成,允许开发者通过对话形式持续迭代和修改页面,直到达到满意的效果。

  • OpenDiLoCo:开源实现分布式低通信AI模型训练

    OpenDiLoCo是一个开源框架,用于实现和扩展DeepMind的分布式低通信(DiLoCo)方法,支持全球分布式AI模型训练。它通过提供可扩展的、去中心化的框架,使得在资源分散的地区也能高效地进行AI模型的训练,这对于推动AI技术的普及和创新具有重要意义。

  • SmartCrawl:将任何网站转化为AI驱动的API。

    SmartCrawl是一个创新的在线工具,它允许用户将任何网站转化为API,通过AI技术实现数据的自动化抓取和处理。这项技术对于需要从网站获取数据的开发者和企业来说非常重要,因为它简化了数据集成的过程,提高了效率。产品目前处于Beta测试阶段,用户可以通过加入等待名单来获取试用机会。

今日大家都在搜的词:

热文

  • 3 天
  • 7天