首页 > 业界 > 关键词  > Gemini最新资讯  > 正文

AI日报:谷歌Gemini引入类GPTs功能Gems;DeepMind推AI实时渲染引擎GameNGen;一男子用AI合成视频造谣被抓;OpenAI推神秘加速器Converge 2

2024-08-29 14:58 · 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、谷歌推定制化聊天机器人 “Gem”,让你创建专属AI虚拟助手

谷歌正式推出Gemini订阅用户可定制聊天机器人Gem,满足个性化需求。Gem支持健身伙伴、烹饪助手、写作编辑等功能,用户通过简单指令赋予机器人独特人格。Gem覆盖150多个国家和地区,提供多种现成Gem选择,增强用户互动体验。Gem的推出是谷歌追赶OpenAI的举措,为用户提供更多选择和灵活性。

image.png

【AiBase提要:】

🌟 谷歌推出Gemini订阅用户可定制聊天机器人Gem,满足个性化需求。

🤖 Gem提供多种现成选择,包括学习教练、创意伙伴等,增强用户互动体验。

🌍 Gem支持150多个国家和地区,覆盖大多数语言,为用户提供更广泛的服务。

2、Google DeepMind推出AI实时渲染引擎GameNGen,玩家操作即刻生成画面

Google DeepMind最新推出的游戏引擎GameNGen颠覆了传统游戏图像生成方式,实时生成游戏画面,质量高且逼真,为游戏开发带来全新可能性。

【AiBase提要:】

🎮 实时生成游戏画面:GameNGen能根据玩家操作即时创造下一帧游戏画面,展示AI技术强大之处。

🚀 高质量画面模拟:画面几乎以假乱真,玩家难以察觉是AI生成,展示技术实力。

🔮 深远影响游戏产业:提升开发效率、个性化游戏体验、创造无限变化的游戏世界,改变硬件需求与创作方式。

详情链接:https://gamengen.github.io/

3、大动作!Midjourney确认进军硬件领域,强势开启招募新团队

Midjourney宣布进军硬件市场,引发业界关注。公司招募新团队成员,前苹果工程经理将领导硬件部门。竞争加剧,Midjourney更新用户界面并提供免费图像生成服务。AI硬件市场前景不确定,但行业发展仍具潜力。

image.png

【AiBase提要:】

🔍 Midjourney宣布正式进军硬件领域,招新团队成员。

🚀 前苹果工程经理Ahmad Abbas将领导硬件部门,产品形态尚未公开。

🆚 Midjourney更新用户界面,向所有用户提供免费图像生成服务。

4、揭秘OpenAI神秘加速器Converge2,低调背后暗藏玄机?

本文揭示了OpenAI的Converge2加速器计划的神秘面纱,探讨其低调运作背后的潜在秘密。文章透露了Open AI Startup Fund的投资动向,以及新加入的公司,展现了OpenAI在科技领域的影响力和活动。参与者能够接触到OpenAI的未发布技术,引发人们对其内部操作的猜测和关注。

【AiBase提要:】

🕵️‍♂️ 神秘加速器: Converge2计划的神秘面纱,为何保持沉默?

💸 资金动态: Open AI Startup Fund的投资动向,以及新加入的公司。

🤖 技术接触: 参与者能够接触到OpenAI的哪些未发布技术?

5、苹果最新iOS更新引AI照片魔法消除功能

苹果最新发布的iOS更新引入了令人瞩目的AI消除功能,让用户可以轻松删除照片中不需要的物体,提升照片编辑体验。这一功能与谷歌的魔法橡皮擦功能相似,展示了苹果在AI技术方面的创新。除了照片消除功能,苹果还推出了一系列智能化功能,如写作工具、通知摘要等,提升用户设备体验。用户可期待更多AI技术创新。

【AiBase提要:】

🌟 用户可一键删除照片中的不需要物体,提升照片编辑效率。

🖼️ AI技术自动生成背景,保证照片质量不受影响,提升编辑体验。

📱 功能目前仅限美国英文用户,期待更多地区上线,拓展用户群。

6、无惧放大镜找茬!DiPIR可无缝地在真实环境中插入任何虚拟物体

DiPIR是一项创新技术,旨在解决将虚拟物体无缝插入真实场景的技术难题。其独特工作原理结合了扩散模型和逆向渲染过程,精确恢复场景光照信息,使虚拟物体与环境自然融合。

image.png

【AiBase提要:】

⚙️ 结合扩散模型和逆向渲染,精确恢复场景光照信息,解决技术难题。

🌟 适用广泛,处理不同光照条件下的场景,生成逼真图像。

🔮 支持动态场景插入物体和多视角合成虚拟物体,应用前景广阔。

详情链接:https://research.nvidia.com/labs/toronto-ai/DiPIR/

7、太扯!一男子用AI合成视频造谣被抓,AI造假后果很严重

近期发生的一起事件再次提醒我们,利用AI技术合成虚假内容可能带来严重后果。一名男子利用AI技术合成视频发布虚假信息,结果被警方抓获,警示我们在使用AI工具时要谨慎小心,避免造成不良影响。

image.png

【AiBase提要:】

🚨 利用AI技术合成虚假内容已经成为常态,警示我们警惕虚假信息的传播

💡 事件中男子利用AI技术合成视频发布不实信息,最终被警方抓获

💰 男子的行为不仅引发社会关注,还涉嫌寻衅滋事罪,AI造假后果严重

详情点此查看:https://www.aibase.com/zh/news/11368

8、OpenAI 最新融资计划曝光:估值超过1000亿美元

OpenAI 正在进行新一轮的融资谈判,预计估值将超过1000亿美元,引发人们对这家人工智能公司的关注。这轮融资将为 OpenAI 提供更多资金支持,推动技术研发与市场推广。公司计划拓展与各行业的合作,推动人工智能在多个领域的应用。

【AiBase提要:】

🌟 OpenAI 正在进行新一轮融资,预计估值将超过1000亿美元。

🚀 此轮融资将为 OpenAI 提供更多资金,支持技术研发与市场推广。

🤝 OpenAI 计划拓展与各行业的合作,推动人工智能在多个领域的应用。

9、英伟达财报逆市上扬:AI热潮推动营收飙升122%

英伟达最新财报显示,收入达300.4亿美元,年增122%,超出市场预期。尽管股价下跌,但英伟达在 AI 芯片市场的领先地位依旧稳固。投资者对英伟达的期待高涨,但AI投资尚未带来显著利润回报,未来发展仍需观察。

【AiBase提要:】

🌟 英伟达收入达300.4亿美元,年增122%,超预期。

💻 数据中心收入同比增长154%,反映出AI需求强劲。

📉 尽管股价下跌,英伟达在AI芯片市场领先地位稳固。

10、iPhone17系列或搭载12GB RAM:AI大模型部署更轻松

iPhone17系列有望搭载12GB RAM,为部署更大规模的端侧AI大模型提供充足空间。这一升级将满足未来AI技术发展需求,引领智能手机市场技术革新。

【AiBase提要:】

📱12GB RAM将为更大规模AI大模型提供充足空间,解决内存容量不足问题。

🚀 iPhone17预期升级是对AI技术发展的积极响应,精准把握智能手机市场趋势。

💡 智能手机内存容量成为性能重要指标,iPhone17的12GB RAM配置预示技术革新、智能未来

11、PPT高手来了!Plus AI智能演示文稿助手

在当今快节奏的商业和教育环境中,高效率的演示文稿制作工具变得越来越重要。Plus AI作为新兴的人工智能驱动型演示文稿制作工具,近期引起了业界的关注。该工具简化了演示文稿的创建和编辑过程,适用于PowerPoint和Google Slides等主流平台。

【AiBase提要:】

🚀 文本转演示模式:用户只需输入文本,AI即可生成相应演示文稿,便利快速可视化大量信息。

💡 多格式转换:支持将PDF和Word等文档直接转换为演示文稿,增加文件处理灵活性。

🎨 预设模板和辅助功能:提供数百种模板,运行于PowerPoint和Google Slides,支持共享主题和自定义指令,保持演示风格一致。

详情链接:https://top.aibase.com/tool/plus-ai

举报

  • 相关推荐
  • 大家在看
  • Canvas:与ChatGPT协作的新方式

    Canvas是OpenAI推出的一个新界面,旨在通过与ChatGPT的协作来改进写作和编码项目。它允许用户在一个单独的窗口中与ChatGPT一起工作,超越了简单的聊天界面。Canvas利用GPT-4o模型,能够更好地理解用户的上下文,并提供内联反馈和建议。它支持直接编辑文本或代码,并提供快捷操作菜单,帮助用户调整写作长度、调试代码等。Canvas还支持版本回溯,帮助用户管理项目的不同版本。

  • Text Behind Image:轻松创建文字背景图片设计。

    Text Behind Image 是一个开源的设计工具,允许用户轻松创建文字背景图片设计。它提供了一个简洁的界面,让用户可以自由地在图片上添加文字,创造出独特的视觉效果。这个工具对于设计师、社交媒体运营者和内容创作者来说非常有用,因为它可以快速生成具有吸引力的视觉内容。

  • torchao:PyTorch原生量化和稀疏性训练与推理库

    torchao是PyTorch的一个库,专注于自定义数据类型和优化,支持量化和稀疏化权重、梯度、优化器和激活函数,用于推理和训练。它与torch.compile()和FSDP2兼容,能够为大多数PyTorch模型提供加速。torchao旨在通过量化感知训练(QAT)和后训练量化(PTQ)等技术,提高模型的推理速度和内存效率,同时尽量减小精度损失。

  • LFMs:新一代生成式AI模型

    Liquid Foundation Models (LFMs) 是一系列新型的生成式AI模型,它们在各种规模上都达到了最先进的性能,同时保持了更小的内存占用和更高效的推理效率。LFMs 利用动态系统理论、信号处理和数值线性代数的计算单元,可以处理包括视频、音频、文本、时间序列和信号在内的任何类型的序列数据。这些模型是通用的AI模型,旨在处理大规模的序列多模态数据,实现高级推理,并做出可靠的决策。

  • NVLM-D-72B:前沿的多模态大型语言模型

    NVLM-D-72B是NVIDIA推出的一款多模态大型语言模型,专注于视觉-语言任务,并且通过多模态训练提升了文本性能。该模型在视觉-语言基准测试中取得了与业界领先模型相媲美的成绩。

  • gradio-bot:将Hugging Face Space或Gradio应用转化为Discord机器人

    gradio-bot是一个可以将Hugging Face Space或Gradio应用转化为Discord机器人的工具。它允许开发者通过简单的命令行操作,将现有的机器学习模型或应用快速部署到Discord平台上,实现自动化交互。这不仅提高了应用的可达性,还为开发者提供了一个与用户直接交互的新渠道。

  • AI-Powered Meeting Summarizer:会议语音转文本并自动生成摘要的AI工具

    AI-Powered Meeting Summarizer是一个基于Gradio的网站应用,能够将会议录音转换为文本,并使用whisper.cpp进行音频到文本的转换,以及Ollama服务器进行文本摘要。该工具非常适合快速提取会议中的关键点、决策和行动项目。

  • VARAG:视觉增强的检索与生成系统

    VARAG是一个支持多种检索技术的系统,优化了文本、图像和多模态文档检索的不同用例。它通过将文档页面作为图像嵌入,简化了传统的检索流程,并使用先进的视觉语言模型进行编码,提高了检索的准确性和效率。VARAG的主要优点在于它能够处理复杂的视觉和文本内容,为文档检索提供强大的支持。

  • JoyHallo:数字人模型,支持生成普通话视频

    JoyHallo是一个数字人模型,专为普通话视频生成而设计。它通过收集来自京东健康国际有限公司员工的29小时普通话视频,创建了jdh-Hallo数据集。该数据集覆盖了不同年龄和说话风格,包括对话和专业医疗话题。JoyHallo模型采用中国wav2vec2模型进行音频特征嵌入,并提出了一种半解耦结构来捕捉唇部、表情和姿态特征之间的相互关系,提高了信息利用效率,并加快了推理速度14.3%。此外,JoyHallo在生成英语视频方面也表现出色,展现了卓越的跨语言生成能力。

  • PhysGen:基于物理的图像到视频生成技术

    PhysGen是一个创新的图像到视频生成方法,它能够将单张图片和输入条件(例如,对图片中物体施加的力和扭矩)转换成现实、物理上合理且时间上连贯的视频。该技术通过将基于模型的物理模拟与数据驱动的视频生成过程相结合,实现了在图像空间中的动态模拟。PhysGen的主要优点包括生成的视频在物理和外观上都显得逼真,并且可以精确控制,通过定量比较和全面的用户研究,展示了其在现有数据驱动的图像到视频生成工作中的优越性。

  • Whisper large-v3-turbo:高效自动语音识别模型

    Whisper large-v3-turbo是OpenAI提出的一种先进的自动语音识别(ASR)和语音翻译模型。它在超过500万小时的标记数据上进行训练,能够在零样本设置中泛化到许多数据集和领域。该模型是Whisper large-v3的微调版本,解码层从32减少到4,以提高速度,但可能会略微降低质量。

  • Realtime API:低延迟的实时语音交互API

    Realtime API 是 OpenAI 推出的一款低延迟语音交互API,它允许开发者在应用程序中构建快速的语音到语音体验。该API支持自然语音到语音对话,并可处理中断,类似于ChatGPT的高级语音模式。它通过WebSocket连接,支持功能调用,使得语音助手能够响应用户请求,触发动作或引入新上下文。该API的推出,意味着开发者不再需要组合多个模型来构建语音体验,而是可以通过单一API调用实现自然对话体验。

  • Saylo AI:探索无限的AI角色扮演游戏。

    Saylo AI是一个AI角色扮演游戏,让你与AI角色互动,探索多样化的戏剧性故事。它利用人工智能技术,提供沉浸式的互动体验,让玩家在虚拟世界中与AI朋友交流,体验不同的故事情节。Saylo AI的背景信息展示了其创新性和娱乐性,旨在为玩家提供一种全新的娱乐方式。目前产品处于推广阶段,价格未明确标注。

  • twinny:Visual Studio Code的免费且私密的AI扩展

    twinny是一个为Visual Studio Code用户设计的AI扩展,旨在提供个性化的编程辅助,提高开发效率。它通过集成先进的AI技术,帮助开发者在编码过程中快速解决问题,优化代码,并提供智能提示。twinny的背景是响应开发者对于更加智能和自动化编程工具的需求,它通过简化开发流程,减少重复劳动,从而让开发者能够专注于更有创造性的工作。

  • Buildpad:构建人们真正想要的产品

    Buildpad 是一个旨在帮助创始人从概念到成功最小可行产品(MVP)的在线平台。它通过提供智能验证工具、AI引导的开发流程、进度跟踪以及个性化的项目见解,帮助用户构建能够获得市场认可的产品。Buildpad 的主要优点包括简化产品开发流程、提高产品成功率、以及提供个性化的指导和支持。

  • Novela:AI时代的技能学习平台

    Novela是一个专注于AI时代技能学习的在线平台,提供早期访问服务,用户可以免费试用。它旨在帮助用户掌握AI相关的技能,以适应未来职场的需求。

  • interview.co:视频面试软件,简化招聘流程

    interview.co是一个专注于简化招聘流程的视频面试软件。它通过提供在线视频面试、AI问题生成器和面试管理工具,帮助企业高效地筛选和评估候选人。产品背景信息显示,interview.co旨在解决传统面试中的时间消耗、日程安排困难和成本高昂等问题。价格方面,interview.co提供试用版,具体定价信息需进一步探索。

  • Open NotebookLM:将任何PDF转换为播客集!

    Open NotebookLM是一个利用开源语言模型和文本到语音模型的工具,它可以处理PDF内容,生成适合音频播客的自然对话,并将其输出为MP3文件。该项目的灵感来自于NotebookLM工具,通过使用开源的大型语言模型(LLMs)和文本到语音模型来实现。它不仅提高了信息的可访问性,还为内容创作者提供了一种新的媒体形式,使他们能够将书面内容转换为音频格式,扩大其受众范围。

  • Chital:macOS平台的Ollama模型聊天应用

    Chital是一个为macOS平台设计的应用程序,它允许用户与Ollama模型进行聊天。这个应用具有低内存占用和快速启动的特点,支持多聊天线程,能够在不同的模型间切换,并支持Markdown格式。此外,它还能自动为聊天线程生成标题摘要。Chital的开发主要是为了满足开发者个人的使用需求,但也鼓励社区成员通过fork代码库来添加新功能。

  • SafeEar:保护隐私的音频深度检测

    SafeEar是一个创新的音频深度检测框架,它能够在不依赖于语音内容的情况下检测深度音频。这个框架通过设计一个神经音频编解码器,将语义和声学信息从音频样本中分离出来,仅使用声学信息(如韵律和音色)进行深度检测,从而保护了语音内容的隐私。SafeEar通过在真实世界中增强编解码器来提高检测器的能力,使其能够识别各种深度音频。该框架在四个基准数据集上的广泛实验表明,SafeEar在检测各种深度技术方面非常有效,其等错误率(EER)低至2.02%。同时,它还能保护五种语言的语音内容不被机器和人类听觉分析破译,通过我们的用户研究和单词错误率(WER)均高于93.93%来证明。此外,SafeEar还构建了一个用于反深度和反内容恢复评估的基准,为未来在音频隐私保护和深度检测领域的研究提供了基础。

今日大家都在搜的词: