首页 > 业界 > 关键词  > ElevenLabs最新资讯  > 正文

AI日报:王炸!ElevenLabs推声音设计功能;全能型图像生成模型OmniGen问世;快50倍!OpenAI推全新模型sCM

2024-10-24 15:51 · 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、ElevenLabs推出AI语音生成工具Voice Design

ElevenLabs最新推出的AI语音生成工具Voice Design开创了AI配音领域的新纪元,通过简单的文本描述即可创建个性化语音,为用户提供了直观的文本提示功能,支持调节多个语音参数,包括年龄、性别、口音、语调和音高,同时突破性地支持创作角色化语音,为内容创作者提供了前所未有的声音定制自由。

【AiBase提要:】

🔊 用户只需描述所需声音特征,系统快速生成符合要求的语音。

🎭 Voice Design支持创作角色化语音,捕捉并还原虚拟角色的声音特征。

🌐 AI语音定制化进入全新阶段,为游戏开发、有声内容制作等领域提供强大的创意工具。

详情链接:https://elevenlabs.io/voice-design

2、吊打ControlNe?全能型图像生成模型OmniGen问世,简单提示实现图像生成与精细编辑

OmniGen是一款全新的图像生成模型,与以往工具不同的是,它具备多种能力,包括文本到图像生成、图像编辑等,用户只需提供简单提示词即可控制图像生成与精细编辑,无需使用ControlNe等插件。该模型架构简化,结合了变分自编码器和预训练的Transformer模型,训练数据集庞大多样,表现优秀。

image.png

【AiBase提要:】

⚙️ OmniGen具备多种能力,包括文本到图像生成、图像编辑,用户体验极佳

🔥 OmniGen采用简化架构,结合变分自编码器和Transformer模型,训练数据集庞大多样,效果出色。

🌟 OmniGen在多项测试中表现惊艳,文本到图像生成能力与市面先进模型相当,图像编辑能力优秀。

体验入口:https://huggingface.co/spaces/Shitao/OmniGen

3、科大讯飞星火4.0Turbo大模型发布

科大讯飞在全球 1024 开发者节上展示了讯飞星火4.0Turbo大模型,超越了之前版本和GPT-4Turbo,在数学和编程能力上表现出色,效率提升50%。同时推出了星火代码7B版本和超拟人数字人,实现了语义贯穿的自然交互体验。

image.png

【AiBase提要:】

✨ 讯飞星火4.0Turbo在数学和编程能力上超越了GPT-4Turbo,整体效率提升50%。

🔥 在 14 项主流测试中取得 9 项第一名成绩,展现出卓越的性能表现。

💡 推出星火代码7B版本和超拟人数字人,实现了多模态交互和更真实的交互体验。

4、OpenAI推全新模型sCM,内容生成速度提升 50 倍,生图只需0. 1 秒

OpenAI的研究团队发布了一项令人振奋的研究成果,介绍了全新的连续时间一致性模型(sCM),其生成多媒体内容的速度实现了飞跃,相较传统扩散模型提高了 50 倍。sCM在不到0. 1 秒内生成一幅图像,仅需两步采样即可生成高质量样本,未来应用广泛,潜力巨大。

image.png

【AiBase提要:】

📈 速度提升 50 倍,图像生成时间缩短至0. 1 秒

🖼️ 仅需两步采样,sCM能生成高质量样本,效率显著提高

⚙️ 未来应用广泛,包括实时图像、音频和视频生成,潜力巨大

详情链接:https://openai.com/index/simplifying-stabilizing-and-scaling-continuous-time-consistency-models/

5、谷歌开源AI文本水印工具SynthID

谷歌最近开源了文本水印工具SynthID,旨在帮助开发者更好地识别AI生成的文本。这一举措对应对虚假信息和不当内容具有重要意义,同时推动了AI技术的发展和应用。

【AiBase提要:】

📜 SynthID开源,助力开发者识别AI生成文本。

🛠️ 水印技术在应对虚假信息和不当内容中愈发重要。

💡 谷歌的SynthID能微调文本生成的概率分数,形成水印。

详情链接:https://ai.google.dev/responsible/docs/safeguards/synthid?hl=zh-cn

6、iOS18.2beta1 已经向开发者发布 包含集成的 ChatGPT

image.png

苹果最近发布了 iOS18. 2 的第一个开发者测试版,增加了一些新的 Apple Intelligence 功能,包括 Genmoji 表情符号、Image Playground 图像生成、AI 驱动的写作功能、ChatGPT 集成和 Visual Intelligence 等。苹果的 Apple Intelligence 功能旨在提供更智能、个性化的体验,但某些功能如让 Siri 了解屏幕内容尚未实现。

【AiBase提要:】

🌟 iOS18.2Beta1 中 Siri 正式接入 ChatGPT,增强自然语言理解能力。

🎨 新增的 Genmoji 和 Image Playground 功能允许用户生成个性化的表情符号和图像。

📱 Visual Intelligence 功能支持通过 iPhone16 相机进行智能搜索,提升信息获取效率。

7、 14 岁少年沉迷聊天机器人后不幸离世,Character.AI 和谷歌面临诉讼

这篇文章报道了一名 14 岁少年因沉迷于与Character.AI的聊天机器人互动而选择结束生命,引发了一场诉讼。文章揭露了Character.AI被指控存在失职和误导行为,涉及提供未经许可的心理治疗以及过度拟人化的聊天机器人设计。同时,Character.AI宣布了一系列新的安全措施以保护未成年用户,减少心理健康风险。

【AiBase提要:】

🔍 诉讼揭露Character.AI和谷歌被指存在失职和误导行为,引发关注和讨论。

💬 被指控提供未经许可的心理治疗,聊天机器人设计过度拟人化,引发道德和法律争议。

🔒 Character.AI宣布新安全措施,包括修改未成年人模型、加入免责声明等,提升用户保护措施。

8、OpenAI 科学家: 20 秒思考能比 10 万倍数据更有效!

在最近的 TED AI 大会上,OpenAI 的研究科学家诺亚姆・布朗介绍了 OpenAI 新发布的 o1 模型,强调了系统二思维对于改变各行业决策方式的重要性。布朗指出, 20 秒的思考时间能带来比 10 万倍数据更好的效果,而 o1 模型在多个领域展现出卓越性能。他强调 AI 需要超越数据处理,进入更深思熟虑的系统二思维。

【AiBase提要:】

🧠 系统二思维是未来 AI 发展的关键,能提升决策质量。

⏳ 20 秒的思考时间能带来比 10 万倍数据更好的效果。

💡 OpenAI 新发布的 o1 模型在多个领域展现出卓越的性能。

9、研究人员开发了新 LLM 越狱方法,成功率高达65%

近日,网络安全公司 Palo Alto Networks 的 Unit42 研究团队发布了一项令人瞩目的研究,揭露了一种名为 “Deceptive Delight”的新型越狱方法。该方法能够在仅仅两到三次交互中,成功诱导大型语言模型(LLM)生成有害内容,其成功率高达65%,为保护 LLM 的安全性敲响了警钟。

【AiBase提要:】

🔍 新型越狱方法两到三次交互中诱导 LLM 生成有害内容,成功率高达65%。

📈 不同模型的成功率差异明显,单一模型成功率最高可达80.6%。

🛡️ 为应对越狱攻击,建议增加内容过滤器和清晰的系统提示,提升安全性。

10、苹果发布三款适用于Apple Intelligence的API

苹果公司最新发布的开发者测试版带来了多项新的 Apple Intelligence 功能,包括 Genmoji、Image Playground、Visual Intelligence、Image Wand 和 ChatGPT 集成合,极大地增强了用户体验。此次更新还推出了三个关键功能的 API,帮助开发者将苹果的小型模型生成 AI 集成到应用程序中。虽然扩展了英语本地化支持多个国家,但未来将支持更多语言,对中国和欧盟用户可能存在不确定性。

【AiBase提要:】

🌟 苹果发布 iOS18. 2 等新测试版,推出多项 Apple Intelligence 功能。

🐱 新增的 API 将帮助开发者集成生成式 AI 到应用中。

🌍 扩展的英语本地化支持多个国家,未来将支持更多语言。

11、Zoom发布AI助手2. 0 版本:轻松整理会议要点

Zoom最新推出的AI助手2. 0 版本为用户提供了更高效的工作管理和团队协作体验。AI Companion2. 0 不仅能在会议中提供即时帮助,还可以管理邮件和聊天记录,撰写感谢信等,全面提升工作效率。Zoom向AI优先工作平台迈出重要一步,免费提供给拥有付费账户的用户。

image.png

【AiBase提要:】

✨ AI Companion2. 0 是Zoom新推出的AI助手,旨在提升工作效率。

🤖 用户可以在会议中提问获取即时帮助,并轻松回顾重要信息。

📄 AI助手支持邮件和聊天记录的管理,还能撰写感谢信和生成项目草稿。

举报

  • 相关推荐
  • 荣耀下一代终端操作系统!AgenticOS发布 行业首个系统级Agent架构

    荣耀在世界人工智能大会上正式发布AgenticOS,这是一款新一代伙伴型多模态智能体操作系统。系统采用行业首个系统级Agent架构,具备意图驱动、自然交互、主动智能和天生跨端四大特性,支持全局多智能体协同与全场景自循环。荣耀Robot+Phone将首发搭载该系统内核,Magic9系列也会在第四季度搭载尝鲜版。

  • 从蒙牛到LABUBU,谁赢了“史上规模最大”世界杯营销?

    ​就在今天,39岁的梅西上演帽子戏法,以16球进球登顶世界杯射手榜第一,与德国克洛泽并列。 六登世界杯,归来依旧球王,大喜过望的除了(买体彩的)球迷、俱乐部老板,还有各大押注阿根廷队以及梅西的品牌。

  • 星辰智能体:TeleAgent不只给答案,还能把文档、表格和PPT做完

    AI好不好用,关键判准不是文字美不美,而是能否在截止前自主推进任务。星辰智能体TeleAgent聚焦真实办公场景,能理解指令、拆解任务、串联搜资料、核对表格、生成文档与PPT等多步骤操作,省去频繁切换工具。它内置定时引擎与长期记忆,记住用户习惯,并可将固定流程沉淀为技能复用,对市场、金融、研发等岗位均能减少重复负担。该产品已积累超10万用户,执行高效且token消耗仅为竞品38%,让AI从“建议下一步”真正走向“交付结果”。

  • 腾讯乐享升级知识供给体系,让AI Agent读全读懂企业知识

    腾讯乐享在WAIC 2026上升级AI知识库,打通十余种企业知识来源,推出整库导入、增量同步、实时检索三种供给模式,大幅降低接入门槛并保障安全与准确性,助力Agent读懂企业知识。针对企业部署后常见的“组织失忆”困境,乐享从知识连接入手,通过权限继承、结构还原、多重机制确保知识质量与稳定更新,构建持续演进的“活知识底座”。该能力已在广发证券等头部企业验证,助力实现秒级精准业务答疑,已在金融、制造等30余行落地。

  • 告别误解!骁龙 8s Gen4 非“至尊”芯片,CPU/GPU/AI全维度性能揭秘

    骁龙8s Gen4+并非“骁龙8s至尊”,实为独立次旗舰芯片。它基于台积电4nm工艺,采用“1+7”全大核CPU架构,多核性能提升31%;GPU升级显著,支持硬件光追。AI和影像能力同样突出,配有18比特三ISP及夜景拍摄功能。该芯片性能出色且定位更亲民,是追求高性价比手机的优选。

  • Agent 进化论:从对话到协作

    人与AI沟通正从一次性指令转向持续协作讨论。Agent不再仅执行结果,而是从需求澄清阶段就参与任务,如店员用对话而非精细Prompt制作视频。实现此转变依赖四项核心能力:听觉确保嘈杂环境稳定交流,视觉通过选择性注意力与多模态共享画面理解场景,记忆沉淀跨端跨会话上下文,意图推动Agent主动追问模糊需求。音频视频用量大幅增长,多模态对话正成为通用协作界面,从工具升级为理解环境、持续参与的伙伴,未来AI眼镜等载体将承载这种类人协作模式。

  • 2026年Al Agent工具推荐AnySearch:适配Al Agent工具的底层配套方案

    AI Agent选型不能只看搭建能力,搜索能力同样关键。文章指出,零代码平台、企业级应用和开发者框架构成主流选型框架,但均存在忽略信息获取的盲区。许多项目落地失败,源于专业数据覆盖不足、返回内容不符机器读取等搜索局限。为此,AnySearch作为专为Agent设计的搜索基础设施,通过智能意图路由、垂直领域深度索引和结构化输出,补齐信息短板,可与不同搭建工具组合,提升专业场景落地效果。

  • 骁龙8sGen4:无“至尊”之名,全大核+光追才是真实力

    骁龙8s Gen4+定位次旗舰,宛如“承上启下”的桥梁。它下放部分旗舰骁龙8 Elite技术,上接中端7系实用性,精准锁定2000-3000元价位段。所谓“骁龙8s至尊”系误传,该芯片实为8s Gen3正统迭代,后缀“s”侧重灵动实用而非超级。性能上,其创新全大核架构使CPU性能提升31%,同代GPU渲染效率提升49%并首款支持硬件光追,让中端机实现近乎旗舰的游戏与多任务体验,真正将高端性能普惠大众。

  • 豆包视频通话背后,火山引擎重构 Agent 时代多模态传输底座

    多模态交互正成为提升通用Agent用户体验的关键。过去AI多为文本或图片问答,如今用户期望AI能透过摄像头实时讲解、在任务中持续对话。这背后需要低延迟、稳定、可打断的传输系统。豆包从WebSocket、QUIC到WebRTC逐步演进,火山引擎更自研多模态传输系统,通过C/S架构、MoQ协议和网关智能处理,解决弱网、高并发、成本等问题。该系统已在豆包亿级DAU场景落地,使业务规模翻10倍。长远看,多模态传输正从通信管道成为AI原生基础设施,支撑高频率、全场景的人机交互。

  • REDMI Note 17系列核心配置出炉:骁龙4 Gen4/6s Gen4 5000万像素主摄

    REDMI Note 17系列将于7月14日发布,含Note 17与Note 17 Pro两款。Note 17搭载骁龙4 Gen 4、7英寸1080p屏,内置8000mAh电池,支持45W快充和22.5W反向充电,配备5000万像素主摄与光学指纹,支持IP65防尘防水。Pro版升级骁龙6s Gen 4、6.83英寸1.5K直屏,电池增至9000mAh,支持67W快充,防水达到IP66/68/69/69K满级。两者均强化AI反诈,可防换脸欺诈、盗刷、诈骗电话、钓鱼短信及恶意App。

今日大家都在搜的词: