大模型在游戏开发领域扮演了重要角色，从AI机器人生成到场景搭建覆盖各个领域。但在游戏场景理解、图像识别、内容描述方面很差。为了解决这些难题，加拿大阿尔伯塔的研究人员专门开源了一款针对游戏领域的大模型VideoGameBunny（以下简称“VGB”）。VGB可以作为视觉AI助理，能够理
......
本文由站长之家合作伙伴自媒体作者“AIGC开放社区公众号”授权发布于站长之家平台，本平台仅提供信息索引服务。由于内容发布时间超过平台更新维护时间，为了保证文章信息的及时性，内容观点的准确性，平台将不提供完全的内容展现，本页面内容仅为平台搜索索引使用。需阅读完整内容的用户，请查看原文，获取内容详情。
（举报）
11.11云上盛惠！海量产品 · 轻松上云！云服务器首年1.8折起，买1年送3个月！超值优惠，性能稳定，让您的云端之旅更加畅享。快来腾讯云选购吧！
腾讯云
12-20
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、Runway推出“VideotoVideo”功能精神小伙秒变科幻片主角Runway最新推出的VideotoVideo功能彻底改变了视频创作的游戏规则，让任何人都能成为数字魔法师，轻松改变视频风格、背景和氛围。该办法根据多项法律法规制定，意见反馈截止时间为2024年10月14日。
9月20日，“垂直大模型，全面释放数字生产力——浩鲸科技·鲸智大模型发布会”在云栖大会期间举行。作为垂直大模型的场景落地践行者和价值发挥者，浩鲸科技重磅推出“1+1+4+5+X”鲸智大模型技术体系，加速赋能行业数字化转型。强强联合，做大模型落地践行者作为全球化的数字化转型技术服务提供商，浩鲸科技密切关注行业趋势、技术进步和用户需求的变化，聚焦于人工
2024年是大模型应用落地元年。随着场景落地不断深化，大模型要贴近场景创造价值已经是业界的共识。9月5日，2024腾讯全球数字生态大会云上智能峰会在深圳举行。在峰会上，腾讯云邀请来迈瑞医疗、工业富联、易车、同程旅行、中信百信银行等多个来自各个行业的嘉宾，共同探讨了大模型落地的新场景、新发展、新变化。“面向场景创造价值才是大模型发展的意义。”腾讯�
现在的大模型榜单上，真的都是水分。全是作弊的考生，真的。比那一瞬的泡沫，更重要。
【新智元导读】Meta首个理解图文的多模态Llama3.2来了!这次，除了11B和90B两个基础版本，Meta还推出了仅有1B和3B轻量级版本，适配了Arm处理器，手机、AR眼镜边缘设备皆可用。Llama3.1超大杯405B刚过去两个月，全新升级后的Llama3.2来了!这次，最大的亮点在于，Llama3.2成为羊驼家族中，首个支持多模态能力的模型。这些新解决方案已经集成到了Meta的参考实现、演示和应用程序中，开源
随着近年大模型的突破性进展，如何将通信技术与AI技术相融，成为了产业各方的探索方向。在2024年9月20日的云栖大会上，阿里云通信宣布推出短信模板AI助手、大模型语音机器人与场景编排产品ChatFlow，展示了智能化探索的最新成果。正如孔繁盛表示，阿里云通信将继续在大模型驱动的云通信技术方面探索和实践，为客户创造更加便捷、安全、稳定、智能的使用体验。
2024年下半年，国产AI大模型并不好过。AI代码类应用cursor发布，因其强大的编程功能，一时风头无两;紧接着openAI又于9月12日发布了最新模型chatGPTo1，在逻辑推理和编程能力上又提升到一个全新级别，可以说拥有了真正的通用推理能力，国际AI领域的竞争日益激烈。这是通义大模型商业化的困境，也是多数AI大模型企业的难题。
相较于以往，人们今天口中再谈到AI，已不只是存在于高大上实验室中的“概念”，它可以是矿山农田里的智能劳务者，也可以是工厂港口里的幕后指挥家，甚至还可能成为大小屏幕间的电子抚慰者。百花齐放之间，AI场景化、产业化的那座山峦，正迎来了一群年轻的攀登者。”那就让我们一起期盼这一天能够早日到来吧。
在当今这个科技浪潮汹涌澎湃的时代，人工智能持续深刻地影响并且改变着我们的生活。从医疗诊断到金融分析，从智能语音助手再到自动驾驶汽车，人工智能的应用可谓无处不在。寒武纪未来的芯片产品将为下游不断爆发的新模型及不断拓展的应用场景提供更具竞争力的算力基石。
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、阿里国际推出最新多模态大模型Ovis，看菜品就能提供烹饪步骤阿里国际AI团队发布了多模态大模型Ovis，为各行业带来新机遇。英特尔在2024年计划中稳步推进，展望2025年推出的FalconShores将进一步提升其在AI领域的竞争力。
Graphite Reviewer是一个AI代码审查工具，它通过即时反馈帮助团队提高代码审查的效率和质量。该工具利用代码库感知AI，自动检测代码中的bug和错误，使团队能够专注于构建而不是审查。它支持自定义规则，保证代码质量和一致性，同时确保代码的私密性和安全性。Graphite Reviewer的主要优点包括快速合并PR、强化质量和一致性、保持代码私密和安全、捕捉常见错误等。
Character SDK是一个能够创建AI角色的平台，这些角色可以实时听、说、看，甚至采取行动。它通过实时语音和视觉识别、高级OCR处理、多语言交流、自适应推理和基于意图的任务自动化等技术，帮助企业提高效率，减少成本，并提供个性化的用户体验。
Temperstack是一个企业级的主动式SRE平台，旨在减少SRE的重复劳动，提高服务的可靠性。它通过自动化服务目录、警报审计和跨您的监控工具的SLI报告，为从CTO到SRE工程师的团队提供可见性、主动发现问题并促进协作。Temperstack集成了流行的监控工具，提供统一的命令界面，以实现全面的SRE可见性和行动。
o1-engineer 是一个命令行工具，旨在帮助开发者通过 OpenAI 的 API 高效地管理和交互项目。它提供了代码生成、文件编辑、项目规划等功能，以简化开发工作流程。
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 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。
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 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 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。
