【3】Hume AI發(fā)布語(yǔ)音引擎OCTAVE
【4】南洋理工大學(xué)推出超分技術(shù)InvSR
【6】OpenAI正式發(fā)布o(jì)3模型
【8】支付寶面向商家營(yíng)銷推出AI創(chuàng)意生成服務(wù)
【9】可靈1.6版本提升物理規(guī)律真實(shí)感
Domo AI推出v2v真實(shí)模型，可以進(jìn)行反向操作，將動(dòng)漫類型的視頻轉(zhuǎn)換成真人視頻，還可以通過(guò)Prompt將視頻里的對(duì)象轉(zhuǎn)成別的真實(shí)事物，如將一個(gè)圣誕老人轉(zhuǎn)成一只圣誕兔子，功能類似于Runway推出的Act one功能。
訊飛星火對(duì)其瀏覽器插件進(jìn)行升級(jí)，增加了多項(xiàng)AI能力。集成了訊飛星火V4.0底層能力，兼容Chrome、Edge等主流瀏覽器。新增“繼續(xù)提問(wèn)”功能，隨時(shí)深入討論，獲取高質(zhì)量答案；實(shí)現(xiàn)網(wǎng)頁(yè)全局對(duì)照翻譯；新增“一鍵朗讀”功能，實(shí)現(xiàn)邊聽邊看；支持句子、段落總結(jié)。
Hume AI推出OCTAVE的文本與語(yǔ)音引擎，該引擎能夠通過(guò)簡(jiǎn)單的文本描述一段5秒的語(yǔ)音錄音，生成或克隆出逼真的語(yǔ)音和人格特質(zhì)。不僅能夠生成自然的語(yǔ)音，還能精確地模仿說(shuō)話者的性別、年齡、口音、情緒語(yǔ)調(diào)及職業(yè)特定的說(shuō)話風(fēng)格，能夠在毫秒級(jí)別內(nèi)完成語(yǔ)音生成，實(shí)現(xiàn)了真正的實(shí)時(shí)對(duì)話，并且還允許用戶實(shí)時(shí)動(dòng)態(tài)地調(diào)整生成內(nèi)容。
南洋理工大學(xué)的研究團(tuán)隊(duì)發(fā)布圖像超分辨率(SR)技術(shù)，該技術(shù)基于擴(kuò)散反演(Diffusion Inversion)，通過(guò)充分利用大型預(yù)訓(xùn)練擴(kuò)散模型中的圖像先驗(yàn)信息，提升圖像的分辨率和清晰度。與現(xiàn)有的超分辨率方法相比，這項(xiàng)技術(shù)具有更加靈活高效的采樣機(jī)制，可以支持從一個(gè)到五個(gè)任意數(shù)量的采樣步驟。
清華大學(xué)與騰訊ARC實(shí)驗(yàn)室的研究團(tuán)隊(duì)推出ColorFlow的新型圖像序列上色模型。解決了在黑白圖像序列上色的同時(shí)，保持角色和物體身份一致性的問(wèn)題，能夠利用上下文信息，通過(guò)參考圖像池為黑白圖像序列準(zhǔn)確生成顏色。與以往需要針對(duì)每個(gè)角色進(jìn)行微調(diào)的技術(shù)不同，ColorFlow通過(guò)具備泛化能力的檢索增強(qiáng)上色管道，簡(jiǎn)化了色彩生成的過(guò)程。
OpenAI在第十二天技術(shù)直播中正式發(fā)布了o3模型，在全球著名的編碼競(jìng)賽平臺(tái)Codeforces中得分是2727，位于排列榜單第175名，超越了99.99%的人類。在數(shù)學(xué)競(jìng)賽AIEM2024中接近滿分，在評(píng)估人工智能在高級(jí)數(shù)學(xué)推理方面能力的FrontierMath中成功率為25.2%，與之對(duì)比，GPT-4和Gemini1.5Pro的成功率不足2%。目前不知道o3什么時(shí)候放出，但是OpenAI又基于o3訓(xùn)練了3個(gè)小尺寸的o3模型，其中o3-mimi預(yù)估在1月底可以對(duì)外開放。
AI創(chuàng)意工具Krea AI宣布在Krea Editor推出自定義訓(xùn)練功能，可以在幾秒鐘內(nèi)將真實(shí)產(chǎn)品添加到任何圖像中。從官方的演示視頻來(lái)看，在實(shí)際操作中只需涂抹需要替換的區(qū)域，如“涂抹模特臉上的墨鏡”，然后選擇商品圖“VR眼鏡”，AI就會(huì)自動(dòng)處理，將VR眼鏡戴到模特臉上。用戶還可以繼續(xù)擴(kuò)圖處理，用同樣的方法繼續(xù)涂抹區(qū)域，選擇其它商品，AI就會(huì)把商品融合到模特身上。
支付寶宣布推出AI創(chuàng)意平臺(tái)“螞上有創(chuàng)意”，這是一個(gè)面向商務(wù)機(jī)構(gòu)的AI營(yíng)銷服務(wù)。“螞上有創(chuàng)意”可以為客戶提供AI快速生成創(chuàng)意素材、營(yíng)銷廣告智能分析等服務(wù)，還免費(fèi)開放多項(xiàng)營(yíng)銷圖片素材。據(jù)介紹，過(guò)去一年支付寶將AI全面應(yīng)用于商業(yè)開放生態(tài)，共接入近70個(gè)業(yè)務(wù)場(chǎng)景，累計(jì)為生態(tài)商家機(jī)構(gòu)生成8700萬(wàn)張AI素材。
快手旗下AI視頻生成工具可靈(Kling)發(fā)布1.6版，主要在物理規(guī)律真實(shí)感、人物表演能力和語(yǔ)義理解水平三個(gè)核心維度提升。①對(duì)物理世界的精準(zhǔn)演繹：在切西紅柿的測(cè)試中，可靈1.6版展現(xiàn)出近乎專業(yè)廚師的精準(zhǔn)操作，無(wú)論是刀具與食材的互動(dòng)，還是切片的力度都非常真實(shí)。倒茶、貓咪踩沙發(fā)、狗狗奔跑等日常場(chǎng)景中的物理效果也更加真實(shí)；②人物表情和動(dòng)作：從細(xì)微的眉頭皺起到優(yōu)雅的芭蕾舞姿，再到中國(guó)古典水下舞蹈，可靈1.6版都能準(zhǔn)確捕捉人物細(xì)微的情感變化和復(fù)雜的肢體動(dòng)作；③語(yǔ)義理解：更強(qiáng)的場(chǎng)景理解能力，無(wú)論是“摘下眼鏡擁抱小鹿”這樣的連續(xù)動(dòng)作，還是“后退舉槍”等復(fù)雜場(chǎng)景，都能準(zhǔn)確理解并生成符合預(yù)期的視頻內(nèi)容。
Google發(fā)布新AI工具Whisk，允許用戶使用圖片作為提示詞生成圖片。可以上傳圖片來(lái)指定AI生成圖像的主題、場(chǎng)景和風(fēng)格，并且可以為這三者分別使用多張圖片。如果你手頭沒(méi)有合適的圖片，可以點(diǎn)擊骰子圖標(biāo)，讓谷歌自動(dòng)填充一些圖片作為提示。Whisk還為每張生成的圖片提供了文字提示。如果對(duì)結(jié)果滿意，可以收藏或下載圖像，如果想要進(jìn)一步優(yōu)化，可以在文本框中添加更多文字，或直接點(diǎn)擊圖像編輯文字提示。
作者：百度MEUX鏈接：https://www.zcool.com.cn/article/ZMTY1MDUzMg==.html來(lái)源：站酷著作權(quán)歸作者所有。商業(yè)轉(zhuǎn)載請(qǐng)聯(lián)系作者獲得授權(quán)，非商業(yè)轉(zhuǎn)載請(qǐng)注明出處。
