【3】Hume AI發(fā)布語音引擎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】支付寶面向商家營銷推出AI創(chuàng)意生成服務(wù)
Domo AI推出v2v真實模型，可以進行反向操作，將動漫類型的視頻轉(zhuǎn)換成真人視頻，還可以通過Prompt將視頻里的對象轉(zhuǎn)成別的真實事物，如將一個圣誕老人轉(zhuǎn)成一只圣誕兔子，功能類似于Runway推出的Act one功能。
訊飛星火對其瀏覽器插件進行升級，增加了多項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”功能，隨時深入討論，獲取高質(zhì)量答案；實現(xiàn)網(wǎng)頁全局對照翻譯；新增“一鍵朗讀”功能，實現(xiàn)邊聽邊看；支持句子、段落總結(jié)。
Hume AI推出OCTAVE的文本與語音引擎，該引擎能夠通過簡單的文本描述一段5秒的語音錄音，生成或克隆出逼真的語音和人格特質(zhì)。不僅能夠生成自然的語音，還能精確地模仿說話者的性別、年齡、口音、情緒語調(diào)及職業(yè)特定的說話風(fēng)格，能夠在毫秒級別內(nèi)完成語音生成，實現(xiàn)了真正的實時對話，并且還允許用戶實時動態(tài)地調(diào)整生成內(nèi)容。
南洋理工大學(xué)的研究團隊發(fā)布圖像超分辨率(SR)技術(shù)，該技術(shù)基于擴散反演(Diffusion Inversion)，通過充分利用大型預(yù)訓(xùn)練擴散模型中的圖像先驗信息，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，這項技術(shù)具有更加靈活高效的采樣機制，可以支持從一個到五個任意數(shù)量的采樣步驟。
清華大學(xué)與騰訊ARC實驗室的研究團隊推出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，保持角色和物體身份一致性的問題，能夠利用上下文信息，通過參考圖像池為黑白圖像序列準(zhǔn)確生成顏色。與以往需要針對每個角色進行微調(diào)的技術(shù)不同，ColorFlow通過具備泛化能力的檢索增強上色管道，簡化了色彩生成的過程。
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賽平臺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)競賽AIEM2024中接近滿分，在評估人工智能在高級數(shù)學(xué)推理方面能力的FrontierMath中成功率為25.2%，與之對比，GPT-4和Gemini1.5Pro的成功率不足2%。目前不知道o3什么時候放出，但是OpenAI又基于o3訓(xùn)練了3個小尺寸的o3模型，其中o3-mimi預(yù)估在1月底可以對外開放。
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)將真實產(chǎn)品添加到任何圖像中。從官方的演示視頻來看，在實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就會自動處理，將VR眼鏡戴到模特臉上。用戶還可以繼續(xù)擴圖處理，用同樣的方法繼續(xù)涂抹區(qū)域，選擇其它商品，AI就會把商品融合到模特身上。
支付寶宣布推出AI創(chuàng)意平臺“螞上有創(chuàng)意”，這是一個面向商務(wù)機構(gòu)的AI營銷服務(wù)。“螞上有創(chuàng)意”可以為客戶提供AI快速生成創(chuàng)意素材、營銷廣告智能分析等服務(wù)，還免費開放多項營銷圖片素材。據(jù)介紹，過去一年支付寶將AI全面應(yīng)用于商業(yè)開放生態(tài)，共接入近70個業(yè)務(wù)場景，累計為生態(tài)商家機構(gòu)生成8700萬張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)律真實感、人物表演能力和語義理解水平三個核心維度提升。①對物理世界的精準(zhǔn)演繹：在切西紅柿的測試中，可靈1.6版展現(xiàn)出近乎專業(yè)廚師的精準(zhǔn)操作，無論是刀具與食材的互動，還是切片的力度都非常真實。倒茶、貓咪踩沙發(fā)、狗狗奔跑等日常場景中的物理效果也更加真實；②人物表情和動作：從細(xì)微的眉頭皺起到優(yōu)雅的芭蕾舞姿，再到中國古典水下舞蹈，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)雜的肢體動作；③語義理解：更強的場景理解能力，無論是“摘下眼鏡擁抱小鹿”這樣的連續(xù)動作，還是“后退舉槍”等復(fù)雜場景，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。可以上傳圖片來指定AI生成圖像的主題、場景和風(fēng)格，并且可以為這三者分別使用多張圖片。如果你手頭沒有合適的圖片，可以點擊骰子圖標(biāo)，讓谷歌自動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。如果對結(jié)果滿意，可以收藏或下載圖像，如果想要進一步優(yōu)化，可以在文本框中添加更多文字，或直接點擊圖像編輯文字提示。
作者：百度MEUX鏈接：https://www.zcool.com.cn/article/ZMTY1MDUzMg==.html來源：站酷著作權(quán)歸作者所有。商業(yè)轉(zhuǎn)載請聯(lián)系作者獲得授權(quán)，非商業(yè)轉(zhuǎn)載請注明出處。
