自回归文生图，迎来新王者——新开源模型Infinity，字节商业化技术团队出品，超越Diffusion Model。值得一提的是，这其实是从前段时间斩获NeurIPS最佳论文VAR衍生而来的文生图版本。在预测下一级分辨率的基础上，Infinity用更加细粒度的bitwise tokenizer建模图像空间。同时他们将
......
本文由站长之家合作伙伴自媒体作者“量子位公众号”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）
今天凌晨2点，OpenAI进行了技术直播，对GPT-4o和Sora进行了重大更新，提供了全新文生图模型。除了文生图之外，该模型还支持自定义操作、连续发问、风格转换、图像PPT等超实用功能，例如，更改图片的宽高比、图像物体中的角度，用十六进制代码指定精确颜色等。面向企业版、教育版和API即将到来。
HiDream是一款由国内团队开发的AI模型，擅长生成复杂的图片与多种风格的艺术作品。它在多个测试中表现出对细节、材质、光影控制以及创意概念的良好理解，尤其在人物动态、精细绘画等方面效果显著。HiDream支持输出4K高清图片，并兼容多种应用领域，包括商业用途。尽管在某些特定要求下还需提升表现，但其潜力和实际效果已受到关注。
GPT-4o，被击败了?最近大伙都被GPT-4o生成的各种“整活”图像刷屏了吧，各种动漫油画风格改图、经典影视复现、漫画设计改图……新的玩法每天都在涌现，大有“AI一日，人间一年”之势。甚至OpenAICEOSamAltman都累了:“收手吧，我们需要休息!”但就在GPT-4o火遍全球之际，一个来自初创团队的新模型ReveImage，却凭借其在特定图像生成领域的出色表现，悄然赢得了用户和专业榜单的
OpenAI创始人兼CEO萨姆�阿尔特曼直播发布了GPT-4o图像生成功能，作为多模态模型的GPT-4o补齐了图片生成这一重要拼图。GPT-4o图像生成可以遵循指令生成更准确的图像，OpenAI还为其挂载了固有知识库，可以根据知识库或上下文帮用户生成、编辑图像。文心一言生成的4张图片之一豆包生成的4张图片之一目前看来是有些差距。
OpenAI发布全新图像生成模型GPT-image-1，通过API向全球开发者开放。该模型支持精细控制图像敏感度、生成效率、背景、输出格式等参数，并集成吉卜力模式。Adobe、Figma等企业已将其应用于产品中。API支持批量生成、蒙版编辑、透明度调整等高级功能，图像生成成本从0.02-0.19美元/张不等。CEO Sam Altman表示该模型与ChatGPT版本差异显著，开发者可通过API实现更多创意场景。新模型在�
快科技4月18日消息，据报道，阿里巴巴旗下通义万相宣布开源其创新视频生成技术首尾帧生视频14B模型。这项突破性AI技术能够根据用户提供的起始和结束画面，智能生成720p高清过渡视频，为视频创作带来全新可能。该模型通过先进的深度学习算法，能够精准理解输入画面的内容、风格及主题特征。当用户提供首尾两帧图像后，模型会智能分析画面中的视觉元素，包括物体形�
快科技4月17日消息，据报道，今日，在火山引擎AI创新巡展杭州站的现场，字节跳动旗下火山引擎总裁谭待正式发布了备受瞩目的豆包1.5深度思考模型。谭待指出，豆包1.5深度思考模型在多个关键领域展现出卓越性能。在数学、编程、科学推理这类专业领域中，它能够精准高效地处理复杂问题；在创意写作等通用任务方面，同样表现出色。该模型采用MoE架构，总参数为200B，激�
终究还是吹到了电视剧。孙悟空、羊驼、拖把、铜人……你敢信，这些竟然是一部现偶剧里的女主?近期热播的电视剧《滤镜》，凭借新颖的题材和超“癫”的剧情，在一众偶像剧中杀出重围。随着檀健次演艺事业的不断发展和商业价值的持续突显，也相信檀健次能继续保持对表演的热爱与专注，凭借自身实力，在影视与商业领域续写更多精彩，为观众和市场带来更多惊喜，为�
美国科技巨擘Meta重磅推出其迄今最为强大的开源AI模型Llama4，恰逢Llama3上市一周年之际。Llama4系列采用了先进的混合专家架构，这一架构在模型训练及用户查询回答过程中展现出更高效率，通过将模型划分为多个专注于特定任务的专家”子模型，实现精准高效的处理。Meta首席执行官扎克伯格表示：他们的目标是建立世界领先的人工智能，将其开源，并使其普遍可用，以便世界上每个人都能受益。
AI技术的飞速发展为用户体验带来了无限可能。整个应用生态正在经历从硬件、软件到产业链的深刻变革。在AI从“技术爆发期”迈入“体验普及期”的关键阶段，联发科通过芯片、工具和生态的协同作用，推动智能体化用户体验的真正落地，加速AI体验的普及，让人与智能终端的交互进入全新的阶段。
