一張照片 + 一段視頻，就能讓照片活起來!近日，由阿里、復(fù)旦大學(xué)、南京大學(xué)聯(lián)合發(fā)布的可控人體視頻生成工作 Champ 火爆全網(wǎng)。該模型僅開源5天 GitHub 即收獲1k 星，在 Twitter 更是「火出圈」，吸引了大量博主二創(chuàng)，瀏覽量總量達(dá)到300K。目前 Champ 已經(jīng)開源推理代碼與權(quán)重，用戶可
......
本文由站長之家合作伙伴自媒體作者“機(jī)器之心公眾號”授權(quán)發(fā)布于站長之家平臺，本平臺僅提供信息索引服務(wù)。由于內(nèi)容發(fā)布時間超過平臺更新維護(hù)時間，為了保證文章信息的及時性，內(nèi)容觀點的準(zhǔn)確性，平臺將不提供完全的內(nèi)容展現(xiàn)，本頁面內(nèi)容僅為平臺搜索索引使用。需閱讀完整內(nèi)容的用戶，請查看原文，獲取內(nèi)容詳情。
（舉報）
11.11云上盛惠！海量產(chǎn)品 · 輕松上云！云服務(wù)器首年1.8折起，買1年送3個月！超值優(yōu)惠，性能穩(wěn)定，讓您的云端之旅更加暢享。快來騰訊云選購吧！
騰訊云
12-20
Meta公司發(fā)布了其最新的AI視頻生成器MovieGen，這是一款能夠自動生成包含聲音的高清視頻的創(chuàng)新工具，為影視、廣告、動漫等多個領(lǐng)域帶來了全新的可能性。MovieGen憑借前沿的AI技術(shù)，只需用戶提供的文本提示或圖片，即可迅速生成高質(zhì)量的視頻內(nèi)容。MovieGen正處于測試階段，Meta公司計劃在未來幾個月內(nèi)逐步擴(kuò)大試用范圍，讓更多用戶能夠體驗到這款創(chuàng)新工具帶來的便捷與樂趣。
在OpenAISora難產(chǎn)的時候，Meta首次公開展示了自家的「用于媒體的突破性生成式AI研究」:MetaMovieGen。Meta在相應(yīng)博客中使用了「premiere」一詞，也就是初次展示，因此手癢的用戶可能還得再等上一段時間。網(wǎng)友們已經(jīng)在期待了。
這是《窄播Weekly》的第31期，本期我們關(guān)注的商業(yè)動態(tài)是:AI視頻生成大模型。今年2月OpenAI通過Sora的發(fā)布，為AI視頻生成明確了依靠DiT架構(gòu)獲得突破的技術(shù)路徑。這需要更多時間去探索和驗證。
就在剛剛，英偉達(dá)開源了超強(qiáng)模型Nemotron-70B，后者一經(jīng)發(fā)布就超越了GPT-4o和Claude3.5Sonnet，僅次于OpenAIo1!AI社區(qū)驚呼:新的開源王者又來了?業(yè)內(nèi)直呼:用Llama3.1訓(xùn)出小模型吊打GPT-4o，簡直是神來之筆!一覺醒來，新模型Nemotron-70B成為僅次o1的最強(qiáng)王者!是的，就在昨晚，英偉達(dá)悄無聲息地開源了這個超強(qiáng)大模型。它立刻在AI社區(qū)引發(fā)巨大轟動。對齊模型的性能:所有模型均由Llama-3.1-70B-Inst
10月24日，趣丸科技宣布與香港中文大學(xué)聯(lián)合研發(fā)的語音大模型“MaskGCT”正式在Amphion系統(tǒng)中開源，面向全球用戶開放使用。區(qū)別于傳統(tǒng)TTS模型，該模型采用掩碼生成模型與語音表征解耦編碼的創(chuàng)新范式，在聲音克隆、跨語種合成、語音控制等任務(wù)中展現(xiàn)出卓越效果。以“趣丸千音”為代表的產(chǎn)品的出現(xiàn)，將加速國產(chǎn)短劇“走出去”，進(jìn)一步推動中華文化在全球不同語境下的傳播。
這難道不是一部電影的切片?來自@StevieMac03誰能不被這頭蘇醒過來的小飛象萌化?使用了圖生視頻lastframe功能，來自@alexgnewmedia講真，要不是在X上晃悠時突然被這幾個視頻「砸中」，咱還真不知道MiniMax，中國估值最高的大模型公司之一，又悶聲整了個大活兒。咋說碎就碎?魔法降臨，石膏天使也會醒來。神奇海螺的智慧和魔力是不容被質(zhì)疑的，既然Sora遲遲不來，為什么不問問神奇
歡迎來到【AI日報】欄目!這里是你每天探索人工智能世界的指南，每天我們?yōu)槟愠尸F(xiàn)AI領(lǐng)域的熱點內(nèi)容，聚焦開發(fā)者，助你洞悉技術(shù)趨勢、了解創(chuàng)新AI產(chǎn)品應(yīng)用。新鮮AI產(chǎn)品點擊了解:https://top.aibase.com/1、RhymesAI開源視頻生成模型Allegro:文本秒變高清視頻RhymesAI最近開源了先進(jìn)的文本生成視頻模型Allegro，為人工智能生成視頻領(lǐng)域帶來新的可能性。這次收購反映了垂類大模型公司面臨的發(fā)展困境，也印證了大廠對AI人才的渴求趨勢。
全球AI領(lǐng)導(dǎo)者英偉達(dá)開源了超強(qiáng)大模型——Llama-3.1-Nemotron-70B-Instruct。根據(jù)測試數(shù)據(jù)顯示，這個模型已經(jīng)擊敗GPT-4o、GPT-4turbo、Gemma-2、Gemini-1.5、Claude-3.5sonnet等140多個開閉源模型，僅次于OpenAI發(fā)布的最新模型o1。根據(jù)測試數(shù)據(jù)顯示，使用HELPSTEER2-PREFERENCE數(shù)據(jù)集訓(xùn)練的模型性能非常強(qiáng)，在RewardBench評測中達(dá)到了94.1的高分，超過了同期幾乎所有其他模型的表現(xiàn)。
歡迎來到【AI日報】欄目!這里是你每天探索人工智能世界的指南，每天我們?yōu)槟愠尸F(xiàn)AI領(lǐng)域的熱點內(nèi)容，聚焦開發(fā)者，助你洞悉技術(shù)趨勢、了解創(chuàng)新AI產(chǎn)品應(yīng)用。新鮮AI產(chǎn)品點擊了解:https://top.aibase.com/1、速度提升六倍!黑森林實驗室發(fā)布Flux1.1Pro:速度與畫質(zhì)雙重升級!黑森林實驗室最新推出的圖像生成模型Flux1.1Pro在速度和畫質(zhì)方面取得了巨大突破。訓(xùn)練效果優(yōu)于現(xiàn)有數(shù)據(jù)集，表現(xiàn)出超強(qiáng)的學(xué)習(xí)能力。
近日，有關(guān)騰訊與法國游戲公司育碧的創(chuàng)始家族Guillemot家族正在考慮收購育碧的傳聞引起了廣泛關(guān)注，針對這一傳聞，育碧在今日發(fā)布了公告回應(yīng)。育碧在公告中表示，公司注意到了近期媒體對公司潛在利益的猜測，為了利益相關(guān)者的利益，育碧會定期審查所有戰(zhàn)略選擇，并在適當(dāng)?shù)臅r候向市場通報。無論是騰訊還是Guillemot家族，如果能夠成功收購育碧，都將有望在游戲領(lǐng)域獲得更大的市場份額和競爭優(yōu)勢。
URL Parser Online是一個在線工具，它能夠?qū)?fù)雜的URL轉(zhuǎn)換為適合大型語言模型（LLMs）使用的輸入格式。這項技術(shù)的重要性在于它能夠幫助開發(fā)者和研究人員更有效地處理和解析URL數(shù)據(jù)，尤其是在進(jìn)行網(wǎng)頁內(nèi)容分析和數(shù)據(jù)抽取時。產(chǎn)品背景信息顯示，隨著互聯(lián)網(wǎng)數(shù)據(jù)量的爆炸式增長，對URL的解析和處理需求日益增加。URL Parser Online以其簡潔的用戶界面和高效的解析能力，為用戶提供了一個便捷的解決方案。該產(chǎn)品目前提供免費服務(wù)，定位于開發(fā)者和數(shù)據(jù)分析師。
AI Summarizer是一個強(qiáng)大的AI摘要生成器，支持文本、PDF、視頻等多種格式的摘要生成。它通過先進(jìn)的算法提取關(guān)鍵信息，幫助用戶快速理解內(nèi)容要點，提升工作和學(xué)習(xí)效率。產(chǎn)品支持超過50種語言，保障用戶隱私，不存儲任何上傳文件，并提供免費的Chrome擴(kuò)展插件，方便用戶隨時隨地使用。
Transcribro是一款運行在Android平臺上的私有、設(shè)備端語音識別鍵盤和文字服務(wù)應(yīng)用，它使用whisper.cpp來運行OpenAI Whisper系列模型，并結(jié)合Silero VAD進(jìn)行語音活動檢測。該應(yīng)用提供了語音輸入鍵盤，允許用戶通過語音進(jìn)行文字輸入，并且可以被其他應(yīng)用顯式使用，或者設(shè)置為用戶選擇的語音轉(zhuǎn)文字應(yīng)用，部分應(yīng)用可能會使用它來進(jìn)行語音轉(zhuǎn)文字。Transcribro的背景是為用戶提供一種更安全、更私密的語音轉(zhuǎn)文字解決方案，避免了云端處理可能帶來的隱私泄露問題。該應(yīng)用是開源的，用戶可以自由地查看、修改和分發(fā)代碼。
Oasis是由Decart AI開發(fā)的首個可玩、實時、開放世界的AI模型，它是一個互動視頻游戲，由Transformer端到端生成，基于逐幀生成。Oasis能夠接收用戶鍵盤和鼠標(biāo)輸入，實時生成游戲玩法，內(nèi)部模擬物理、游戲規(guī)則和圖形。該模型通過直接觀察游戲玩法學(xué)習(xí)，允許用戶移動、跳躍、拾取物品、破壞方塊等。Oasis被視為研究更復(fù)雜交互世界的基礎(chǔ)模型的第一步，未來可能取代傳統(tǒng)的游戲引擎。Oasis的實現(xiàn)需要模型架構(gòu)的改進(jìn)和模型推理技術(shù)的突破，以實現(xiàn)用戶與模型的實時交互。Decart AI采用了最新的擴(kuò)散訓(xùn)練和Transformer模型方法，并結(jié)合了大型語言模型（LLMs）來訓(xùn)練一個自回歸模型，該模型可以根據(jù)用戶即時動作生成視頻。此外，Decart AI還開發(fā)了專有的推理框架，以提供NVIDIA H100 Tensor Core GPU的峰值利用率，并支持Etched即將推出的Sohu芯片。
三頓智能助手是一個集成了多種AI功能的在線平臺，它通過提供問答、寫作、繪圖等多種服務(wù)，幫助用戶提高工作效率和創(chuàng)造力。該產(chǎn)品以其強(qiáng)大的AI技術(shù)背景和用戶友好的界面，為用戶提供了一個便捷的智能服務(wù)入口。價格方面，三頓智能助手提供免費試用，同時也提供付費服務(wù)以解鎖更多功能。
Explore Light Novels是一個AI驅(qū)動的輕小說閱讀平臺，旨在通過人工智能技術(shù)打破語言障礙，為全球讀者提供沉浸式的輕小說閱讀體驗。平臺擁有數(shù)千部流行輕小說，并提供AI驅(qū)動的個性化推薦，每日更新新章節(jié)和根據(jù)讀者偏好定制的新鮮內(nèi)容。此外，平臺還提供AI生成的文化背景注釋，幫助讀者深入了解故事背景，并通過AI推薦系統(tǒng)學(xué)習(xí)用戶的輕小說偏好，推薦新作者和故事。平臺還設(shè)有AI主持的全球社區(qū)討論，以及AI生成的每日內(nèi)容，確保讀者總有新鮮內(nèi)容可讀。
SDXL_EcomID_ComfyUI是一個為ComfyUI提供原生SDXL-EcomID支持的插件。它通過增強(qiáng)肖像表示，提供更真實、審美上更令人愉悅的外觀，同時確保語義一致性和更大的內(nèi)部ID相似性。這個插件完全集成于ComfyUI，并且不使用diffusers，而是本地實現(xiàn)EcomID。它的重要性在于能夠提升圖像生成的質(zhì)量和一致性，特別是在處理人物肖像時，能夠保持不同年齡、發(fā)型、眼鏡等物理變化下的內(nèi)部特征一致性。
Promega是一家在生命科學(xué)領(lǐng)域領(lǐng)先的公司，提供用于研究和應(yīng)用技術(shù)的開創(chuàng)性生物試劑和集成系統(tǒng)。Promega通過自上而下地采用ChatGPT，幫助員工更高效地管理數(shù)千種產(chǎn)品和超過60,000個賬戶，從而加速產(chǎn)品交付到生物技術(shù)生態(tài)系統(tǒng)。ChatGPT的使用不僅提高了工作效率，還增強(qiáng)了客戶關(guān)系，并在制造、銷售和市場營銷等多個領(lǐng)域發(fā)揮了重要作用。
Excerptor是一個專門設(shè)計來從實體書籍中提取劃線或手寫標(biāo)記文本的工具。它通過圖像處理和光學(xué)字符識別技術(shù)，將書籍中的標(biāo)記文本轉(zhuǎn)換為數(shù)字格式，方便用戶編輯和保存。這項技術(shù)的重要性在于它能夠幫助用戶快速從大量書籍中提取關(guān)鍵信息，提高研究和學(xué)習(xí)的效率。Excerptor以其高效、準(zhǔn)確的文本識別能力和用戶友好的操作界面，滿足了學(xué)術(shù)研究、教育和個人學(xué)習(xí)等不同領(lǐng)域的需求。目前，Excerptor是免費提供給用戶的，它的開發(fā)和維護(hù)由開源社區(qū)負(fù)責(zé)。
Spafe Code是一個利用人工智能技術(shù)實現(xiàn)代碼翻譯的平臺，它能夠?qū)⒋a從一種編程語言翻譯成另一種編程語言。這項技術(shù)的重要性在于它能夠幫助開發(fā)者跨越語言障礙，提高代碼的可讀性和可維護(hù)性，促進(jìn)全球開發(fā)者之間的協(xié)作。Spafe Code以其高效的翻譯能力、易用性和對多種編程語言的支持而受到開發(fā)者的歡迎。目前，Spafe Code提供免費試用，具體價格和定位信息需要進(jìn)一步查詢。
Browser AI Kit是一個集成了多種AI工具的平臺，用戶可以在瀏覽器中直接使用這些工具，無需安裝或設(shè)置。它提供了音頻轉(zhuǎn)文本、去除背景、文本轉(zhuǎn)語音等多種功能，并且完全免費。這個工具箱基于Transformers.js開發(fā)，強(qiáng)調(diào)數(shù)據(jù)安全和隱私保護(hù)，所有數(shù)據(jù)處理都在本地進(jìn)行，不上傳任何服務(wù)器。它的目標(biāo)是為用戶提供一個便捷、安全、多功能的AI工具平臺。
Emotive AI Actors by CreatorKit是一個利用人工智能技術(shù)創(chuàng)建用戶生成內(nèi)容（UGC）視頻和廣告的平臺。它通過與真實UGC演員和內(nèi)容策略師合作訓(xùn)練AI，使得用戶能夠快速創(chuàng)建出具有真實情感反應(yīng)的視頻廣告。這個產(chǎn)品的重要性在于它能夠以更低的成本、更快的速度和更好的性能來替代傳統(tǒng)的視頻制作方式，同時提供可擴(kuò)展的解決方案，允許用戶在幾分鐘內(nèi)創(chuàng)建出100個視頻廣告。AI Actors的主要優(yōu)點包括成本效益、快速制作、性能優(yōu)越和易于擴(kuò)展。
SELA是一個創(chuàng)新系統(tǒng)，它通過將蒙特卡洛樹搜索(MCTS)與基于大型語言模型(LLM)的代理結(jié)合起來，增強(qiáng)了自動化機(jī)器學(xué)習(xí)（AutoML）。傳統(tǒng)的AutoML方法經(jīng)常產(chǎn)生低多樣性和次優(yōu)的代碼，限制了它們在模型選擇和集成方面的有效性。SELA通過將管道配置表示為樹，使代理能夠智能地探索解決方案空間，并根據(jù)實驗反饋迭代改進(jìn)其策略。
Universal-2是AssemblyAI推出的最新語音識別模型，它在準(zhǔn)確度和精確度上超越了前一代Universal-1，能夠更好地捕捉人類語言的復(fù)雜性，為用戶提供無需二次檢查的音頻數(shù)據(jù)。這一技術(shù)的重要性在于它能夠為產(chǎn)品體驗提供更敏銳的洞察力、更快的工作流程和一流的產(chǎn)品體驗。Universal-2在專有名詞識別、文本格式化和字母數(shù)字識別方面都有顯著提升，減少了實際應(yīng)用中的詞錯誤率。
Laminar是一個開源的全棧平臺，專注于從第一性原理出發(fā)進(jìn)行AI工程。它幫助用戶收集、理解和使用數(shù)據(jù)，以提高大型語言模型（LLM）應(yīng)用的質(zhì)量。Laminar支持對文本和圖像模型的追蹤，并且即將支持音頻模型。產(chǎn)品的主要優(yōu)點包括零開銷的可觀測性、在線評估、數(shù)據(jù)集構(gòu)建和LLM鏈管理。Laminar完全開源，易于自托管，適合需要構(gòu)建和管理LLM產(chǎn)品的開發(fā)者和團(tuán)隊。
HOVER是一個針對人形機(jī)器人的多功能神經(jīng)全身控制器，它通過模仿全身運動來提供通用的運動技能，學(xué)習(xí)多種全身控制模式。HOVER通過多模式策略蒸餾框架將不同的控制模式整合到一個統(tǒng)一的策略中，實現(xiàn)了在不同控制模式之間的無縫切換，同時保留了每種模式的獨特優(yōu)勢。這種控制器提高了人形機(jī)器人在多種模式下的控制效率和靈活性，為未來的機(jī)器人應(yīng)用提供了一個健壯且可擴(kuò)展的解決方案。
Hiring Assistant for Recruiter & Jobs是LinkedIn推出的一款A(yù)I助手，旨在幫助招聘人員自動化執(zhí)行耗時的任務(wù)，從而讓他們專注于更有影響力的、以人為中心的工作部分。這款產(chǎn)品代表了LinkedIn在利用人工智能技術(shù)優(yōu)化招聘流程方面邁出的重要一步，它通過自動構(gòu)建候選人管道、篩選頂級申請者、起草外展郵件甚至回答有關(guān)角色的基本問題來減輕招聘人員的工作負(fù)擔(dān)。產(chǎn)品背景信息顯示，LinkedIn一直致力于通過AI技術(shù)提升用戶體驗，而Hiring Assistant的推出進(jìn)一步強(qiáng)化了這一點。產(chǎn)品定位于幫助招聘人員提高效率，同時保持對招聘過程的完全控制。
Fable是一款A(yù)I驅(qū)動的交互式產(chǎn)品演示軟件，旨在幫助企業(yè)通過創(chuàng)建高轉(zhuǎn)化率的產(chǎn)品演示來吸引潛在客戶、完成交易并簡化產(chǎn)品上線流程。Fable通過其AI技術(shù)，允許用戶輕松創(chuàng)建個性化的演示，這些演示可以嵌入網(wǎng)站、通過電子郵件發(fā)送或添加到幫助中心。產(chǎn)品背景信息顯示，F(xiàn)able在G2上獲得了4.9的高評分，并被全球各地的GTM團(tuán)隊所信賴。Fable的價格定位是免費試用和付費，適合需要提高銷售轉(zhuǎn)化率和客戶滿意度的商業(yè)團(tuán)隊。
Trieve是一個AI優(yōu)先的基礎(chǔ)設(shè)施API，結(jié)合了語言模型和工具，用于微調(diào)排名和相關(guān)性，提供一站式的搜索、推薦、RAG和分析解決方案。它能夠自動持續(xù)改進(jìn)，基于數(shù)十個反饋信號，確保相關(guān)性。Trieve支持語義向量搜索、BM25和SPlade全文搜索，以及混合搜索，結(jié)合全文搜索和語義向量搜索。此外，它還提供了商品推銷和相關(guān)性調(diào)整功能，幫助用戶通過API或無代碼儀表板調(diào)整搜索結(jié)果以實現(xiàn)KPI。Trieve建立在最佳基礎(chǔ)之上，使用開源嵌入模型和LLMs，運行在自己的服務(wù)器上，確保數(shù)據(jù)安全。
Open Source AI Definition（OSAID）是由Open Source Initiative（OSI）發(fā)布的行業(yè)首個開源人工智能定義。它提供了一個標(biāo)準(zhǔn)，通過社區(qū)領(lǐng)導(dǎo)的開放和公共評估來驗證一個AI系統(tǒng)是否可以被認(rèn)為是開源AI。OSAID v1.0的發(fā)布是多年研究和合作的結(jié)果，經(jīng)過國際研討會和為期一年的共同設(shè)計過程。這個定義要求開源模型提供足夠的訓(xùn)練數(shù)據(jù)信息，以便熟練的人可以使用相同或類似的數(shù)據(jù)重建一個大致等效的系統(tǒng)。OSAID的發(fā)布對于推動AI領(lǐng)域的開放性、透明度和合作具有重要意義，它強(qiáng)調(diào)了開源原則在AI發(fā)展中的核心地位，并為獨立機(jī)器學(xué)習(xí)研究人員和大型AI開發(fā)者之間的透明度提供了支持。
