x-小互来源下的内容 - news.news

暂无通知

x-小互

小互

4天前

Google 又推出一个实验性项目Daily Listen 可根据你的兴趣制作并推送内容短小精悍的语音快讯 AI 驱动：Daily Listen 通过人工智能来分析用户的兴趣，并推送相关内容。短小更新：内容短小精悍，适合在忙碌时段快速获取信息。个性化推荐：内容会根据用户偏好进行定制，让用户听到自己感兴趣的新闻、故事或其它内容。 Google 又推出一个实验性项目Daily Listen 可根据你的兴趣制作并推送内容短小精悍的语音快讯 AI 驱动：Daily Listen 通过人工智能来分析用户的兴趣，并推送相关内容。短小更新：内容短小精悍，适合在忙碌时段快速获取信息。个性化推荐：内容会根据用户偏好进行定制，让用户听到自己感兴趣的新闻、故事或其它内容。 #Google #实验性项目 #Daily Listen

小互

5天前

Gemini 2.0 Flash 正式上线 Google 宣布 Gemini 应用中的模型现已升级至 Gemini 2.0 Flash 版本高级用户支持 100 万 token（1M）上下文窗口，可处理高达 1500 页的文件上传。可优先体验深度研究（Deep Research）和 Gems 等高级功能。图像生成功能也升级至 Imagen 3 • 更高质量的细节与纹理，提升 Gemini 2.0 Flash 正式上线 Google 宣布 Gemini 应用中的模型现已升级至 Gemini 2.0 Flash 版本高级用户支持 100 万 token（1M）上下文窗口，可处理高达 1500 页的文件上传。可优先体验深度研究（Deep Research）和 Gems 等高级功能。图像生成功能也升级至 Imagen 3 • 更高质量的细节与纹理，提升图像准确性和表现力。 • 更精准的指令理解，能够更好地将用户的创意转化为视觉内容。 Gemini 2.0 Flash 现已在网页版和移动端应用全面推送。现有 Gemini 1.5 Flash 和 1.5 Pro 版本将继续提供服务数周，以支持用户过渡。 #Gemini2.0 #Google #人工智能

小互

6天前

美国版权局发布关于人工智能（AI）与版权专题报告：完全由人工智能创作的内容不受版权保护单纯的 Prompt 不足以构成版权： -简单的 AI 提示，如"生成科幻风格的城市"，通常不被视为有版权价值的创作。 -版权保护的是“表达”而非“想法”，Prompt 只是想法的表达方式之一。复杂、高度详细的 Prompt 是否可版权化？ -有些专家认为，极度详细的 Prompt 可能符合版 美国版权局发布关于人工智能（AI）与版权专题报告：完全由人工智能创作的内容不受版权保护单纯的 Prompt 不足以构成版权： -简单的 AI 提示，如"生成科幻风格的城市"，通常不被视为有版权价值的创作。 -版权保护的是“表达”而非“想法”，Prompt 只是想法的表达方式之一。复杂、高度详细的 Prompt 是否可版权化？ -有些专家认为，极度详细的 Prompt 可能符合版权保护标准（如包含原创性的内容结构）。 -但大多数法律意见认为，即使 Prompt 复杂，也只是影响 AI 的输出，不能自动赋予生成内容版权。这是美国版权局（U.S. Copyright Office）发布的关于人工智能（AI）与版权的第二份专题报告，专注于探讨 AI 生成内容的版权问题。本报告：分析 AI 生成内容的版权适用性，即人类的贡献是否足够使 AI 生成内容受到版权保护。回应 2023 年 8 月的意见征询（NOI），收集了 10,000 多条公众意见，其中近半数涉及 AI 生成内容的版权问题。与第一部分不同，第一部分讨论的是数字复制技术（如 AI 合成的声音或面部），而本部分专注于 AI 生成内容是否具备版权保护资格。 #美国版权 #人工智能 #AI创作

小互

6天前

OpenAI 开发者日，推出了一个实时 API 可以通过语音和3D太阳系进行实时的语音交互该项目基于 Spline（3D 设计工具）构建，使用 Function Calling 机制来触发应用中的动画和交互。结合语音 AI、WebRTC 和 3D 交互的演示项目，可用于探索太阳系，也可扩展到其他语音控制 3D 场景应用。适合开发者学习 Function Calling、WebRTC OpenAI 开发者日，推出了一个实时 API 可以通过语音和3D太阳系进行实时的语音交互该项目基于 Spline（3D 设计工具）构建，使用 Function Calling 机制来触发应用中的动画和交互。结合语音 AI、WebRTC 和 3D 交互的演示项目，可用于探索太阳系，也可扩展到其他语音控制 3D 场景应用。适合开发者学习 Function Calling、WebRTC 实时交互、3D 数据可视化等技术。可定制 AI 交互方式，或更换 3D 场景，适用于教育、游戏、数据可视化等领域。 #OpenAI #API #实时语音交互

小互

6天前

微软在 Azure AI 和 GitHub 上提供 DeepSeek 的 R1 模型这意味着企业和开发者可以更方便地集成和部署这个 AI 模型，无需自己搭建复杂的计算资源。 Azure 提供了一键部署，开发者可以快速测试和集成 AI 模型。微软还将很快提供一个精简版、更小的 R1，以便在 Copilot Plus PC 上本地运行。 微软在 Azure AI 和 GitHub 上提供 DeepSeek 的 R1 模型这意味着企业和开发者可以更方便地集成和部署这个 AI 模型，无需自己搭建复杂的计算资源。 Azure 提供了一键部署，开发者可以快速测试和集成 AI 模型。微软还将很快提供一个精简版、更小的 R1，以便在 Copilot Plus PC 上本地运行。 #微软 #Azure AI #DeepSeek

小互

6天前

OpenAI 更新账号共享政策不允许共享ChatGPT账号你可以在多个设备上使用你的 OpenAI 账户。然而，OpenAI会根据no的账户活动和订阅级别，可能会采取一些使用限制。具体什么限制没有说明！ OpenAI 更新账号共享政策不允许共享ChatGPT账号你可以在多个设备上使用你的 OpenAI 账户。然而，OpenAI会根据no的账户活动和订阅级别，可能会采取一些使用限制。具体什么限制没有说明！ #OpenAI #ChatGPT #账号共享政策

小互

1周前

YuE:一个全新多模态音乐开源模型可以从歌词生成长达5分钟的含人声和伴奏的高质量、完整音乐。 -支持多种语言生成，包括英语、中文、日语和韩语。 -生成的歌曲拥有完整的音乐结构，包括前奏、主歌、合唱等部分。 -提供跨语言混合生成功能，例如中英混合歌词的嘻哈音乐。 -YuE 支持生成多种音乐风格，包括但不限于：金属（Metal）爵士（Jazz）流行（Pop）乡村（Co YuE:一个全新多模态音乐开源模型可以从歌词生成长达5分钟的含人声和伴奏的高质量、完整音乐。 -支持多种语言生成，包括英语、中文、日语和韩语。 -生成的歌曲拥有完整的音乐结构，包括前奏、主歌、合唱等部分。 -提供跨语言混合生成功能，例如中英混合歌词的嘻哈音乐。 -YuE 支持生成多种音乐风格，包括但不限于：金属（Metal）爵士（Jazz）流行（Pop）乡村（Country）抒情（Ballad）另类摇滚（Alternative Rock）儿歌（Children's Song） YuE 展示了多种专业级声乐表现，如：即兴演唱（Scatting）：即兴创作无词旋律。低吼（Death Growl）：多用于金属音乐中的极端演唱技术。混声（Mix Voice）：融合胸声和头声的演唱技术。 #多模态音乐模型 #歌词生成 #跨语言生成

小互

1周前

兄弟们，这个强啊，效果真的挺棒复旦大学OpenMOSS人工智能开放实验室推出首个端到端实时语音交互模型中文语音能力感觉和GPT 4o 的高级语音很接近 - 低于 200 毫秒，支持语音打断和自然互动 - 可根据指令生成多情感、多风格的语音，包括模仿特定角色的情绪。 - 丰富的情感控制：支持生成多种情感语音，如欢快、严肃、悲伤等。语音风格多样化：可以模拟不同的角色语调、情绪和 兄弟们，这个强啊，效果真的挺棒复旦大学OpenMOSS人工智能开放实验室推出首个端到端实时语音交互模型中文语音能力感觉和GPT 4o 的高级语音很接近 - 低于 200 毫秒，支持语音打断和自然互动 - 可根据指令生成多情感、多风格的语音，包括模仿特定角色的情绪。 - 丰富的情感控制：支持生成多种情感语音，如欢快、严肃、悲伤等。语音风格多样化：可以模拟不同的角色语调、情绪和语气。支持生成说唱、戏剧化台词、机器人声效、低语耳语、方言等风格 #复旦大学 #OpenMOSS #人工智能

小互

1周前

阿里巴巴推出Qwen2.5-1M 支持100万Token上下文的开源模型，性能媲美GPT4o mini Qwen2.5-1M 在处理超长文本任务和短文本任务上都表现出了卓越的能力，尤其是在处理复杂的长上下文场景中，达到了开源模型的领先水平。推理速度比传统方法快 3 到 7 倍，尤其在处理超长序列时表现优异。推理阶段通过块状预填充（Chunked Prefill）技术，使显存需 阿里巴巴推出Qwen2.5-1M 支持100万Token上下文的开源模型，性能媲美GPT4o mini Qwen2.5-1M 在处理超长文本任务和短文本任务上都表现出了卓越的能力，尤其是在处理复杂的长上下文场景中，达到了开源模型的领先水平。推理速度比传统方法快 3 到 7 倍，尤其在处理超长序列时表现优异。推理阶段通过块状预填充（Chunked Prefill）技术，使显存需求减少 96.7%。 #阿里巴巴 #Qwen2.5-1M #开源模型

小互

1周前

我去这个语音克隆模型有点牛P 哈哈哈使用了 250,000 小时的中英双语语音数据训练只需15秒的声音就能完美克隆声音，保持音色和情感 Llasa-3B 可以通过输入一个带有情感特征的语音提示（Prompt），在生成目标语音时保留提示语音中的情感特征。基于 LLaMA 语言模型（ 1B、3B 和 8B 参数规模），通过整合 XCodec2 的语音 token 提供语音生成功能。 我去这个语音克隆模型有点牛P 哈哈哈使用了 250,000 小时的中英双语语音数据训练只需15秒的声音就能完美克隆声音，保持音色和情感 Llasa-3B 可以通过输入一个带有情感特征的语音提示（Prompt），在生成目标语音时保留提示语音中的情感特征。基于 LLaMA 语言模型（ 1B、3B 和 8B 参数规模），通过整合 XCodec2 的语音 token 提供语音生成功能。 #语音克隆 #Llasa-3B #情感特征

小互

1周前

据《The Information》报道，OpenAI 正在研发一种高级 AI 编码助手，目标是取代顶级工程师（相当于谷歌等公司的 6 级工程师）的一些工作能力。与 ChatGPT 的复制粘贴方法不同，该助手可以通过 Slack 发送消息，主动告知你它希望对代码库进行的更改。根据与 OpenAI 领导层交谈的三人透露，新 AI 编码助手将能够连接代码库，处理复杂任务，例如代码重构、数据系统 据《The Information》报道，OpenAI 正在研发一种高级 AI 编码助手，目标是取代顶级工程师（相当于谷歌等公司的 6 级工程师）的一些工作能力。与 ChatGPT 的复制粘贴方法不同，该助手可以通过 Slack 发送消息，主动告知你它希望对代码库进行的更改。根据与 OpenAI 领导层交谈的三人透露，新 AI 编码助手将能够连接代码库，处理复杂任务，例如代码重构、数据系统迁移以及具有个性化的功能集成。根据一位 OpenAI 员工的声明，该公司已经在内部使用一个由其 01 推理模型（于 9 月发布）驱动的工具，帮助 AI 研究人员为模型实验生成代码。据其中一人透露，OpenAI 已准备好与部分客户测试一个早期版本的工具。 #OpenAI #AI编码助手 #代码库

小互

2周前

中美AI较量 😌 表扬鼓励 VS 5000亿美金 中美AI较量 😌 表扬鼓励 VS 5000亿美金 #中美关系 #人工智能 #经济竞争

小互

2周前

Google 发布Gemini 2.0 Flash Thinking 新模型EXP-01-21 •支持 100万 token 上下文窗口。 •增加对原生代码执行的支持。 •输出 token 的生成更长。 •减少模型矛盾的发生频率 •在 AI Studio 中可免费体验 Google 发布Gemini 2.0 Flash Thinking 新模型EXP-01-21 •支持 100万 token 上下文窗口。 •增加对原生代码执行的支持。 •输出 token 的生成更长。 •减少模型矛盾的发生频率 •在 AI Studio 中可免费体验 #Google #Gemini 2.0 #AI Studio

小互

2周前

字节跳动发布全新的 AI IDE 产品： Trae 标配Claude 3.5sonnet 和 GPT-4o 限时免费直接对标的 Cursor 的 Agent 功能，提出了全新的从Copilot向Autopilot演进概念即：通过用户的提问直接生成一个完整的代码项目出来。看我演示，全程我只动用了一次键盘，鼠标点点就行操作起来非常的流畅，对编程小白用户来说也是非常容易上手。 字节跳动发布全新的 AI IDE 产品： Trae 标配Claude 3.5sonnet 和 GPT-4o 限时免费直接对标的 Cursor 的 Agent 功能，提出了全新的从Copilot向Autopilot演进概念即：通过用户的提问直接生成一个完整的代码项目出来。看我演示，全程我只动用了一次键盘，鼠标点点就行操作起来非常的流畅，对编程小白用户来说也是非常容易上手。 #字节跳动 #AI #IDE

小互

3周前

Grok 客户端现已推出，可以下载了可以免费生成图像和聊天图像生成还是很不错的，可以薅羊毛 Grok 客户端现已推出，可以下载了可以免费生成图像和聊天图像生成还是很不错的，可以薅羊毛 #Grok客户端 #图像生成 #免费下载

小互

4周前

牛P大了英伟达发布了Groot Teleop 技术允许你通过Apple Vision Pro 来训练机器人你可以佩戴Apple Vision Pro进入到虚拟机器人的身体里面来进行虚拟操控机器人，训练它的各种操作和动作。然后可以将训练成果转移到真实机器人身上！ 牛P大了英伟达发布了Groot Teleop 技术允许你通过Apple Vision Pro 来训练机器人你可以佩戴Apple Vision Pro进入到虚拟机器人的身体里面来进行虚拟操控机器人，训练它的各种操作和动作。然后可以将训练成果转移到真实机器人身上！ #英伟达 #Groot Teleop #Apple Vision Pro

小互

4周前

第一个大模型公司倒了 01万物散伙了卡和与训练团队卖给阿里了🙃 第一个大模型公司倒了 01万物散伙了卡和与训练团队卖给阿里了🙃 #大模型公司 #倒闭 #阿里巴巴

小互

1个月前

字节跳动终于开源了一个好东西 LatentSync：精准的唇形同步工具可以根据音频输入，自动调整视频中角色的嘴型，实现精准的口型同步。直接用声音驱动嘴巴的动作，不需要复杂的中间步骤。提出了一种“时间对齐”的技术，专门解决画面可能会跳动或不一致的问题。左：原视频，右：口型同步后提供了全套工具，可以轻松处理视频和音频，比如调整帧数、检测人脸、去除质量差的视频，保证最终生成的视频效 字节跳动终于开源了一个好东西 LatentSync：精准的唇形同步工具可以根据音频输入，自动调整视频中角色的嘴型，实现精准的口型同步。直接用声音驱动嘴巴的动作，不需要复杂的中间步骤。提出了一种“时间对齐”的技术，专门解决画面可能会跳动或不一致的问题。左：原视频，右：口型同步后提供了全套工具，可以轻松处理视频和音频，比如调整帧数、检测人脸、去除质量差的视频，保证最终生成的视频效果很好。 #字节跳动 #开源 #LatentSync

小互

1个月前

小互AI年度总结： 2024重大AI技术和超实用AI工具盘点... 全文见2楼↓ 小互AI年度总结： 2024重大AI技术和超实用AI工具盘点... 全文见2楼↓ #AI技术 #AI工具 #年度总结

小互

1个月前

通义千问视觉理解模型降价最高降幅85%↓ Qwen-vl-max 输入是0.003 输出降到了0.009 对比Doubao vision Pro的输入价格也是0.003 通义千问视觉理解模型降价最高降幅85%↓ Qwen-vl-max 输入是0.003 输出降到了0.009 对比Doubao vision Pro的输入价格也是0.003 #通义千问 #视觉理解模型 #价格调整

小互

1个月前

Google Veo 2 还可以生产Vlog视频还挺逼真的🤔 Google Veo 2 还可以生产Vlog视频还挺逼真的🤔 #GoogleVeo2 #Vlog #视频创新

小互

1个月前

发了BYD巴西报道的罗列信息而已转发键给我没收了还屏蔽了内容现在真是肆无忌惮 发了BYD巴西报道的罗列信息而已转发键给我没收了还屏蔽了内容现在真是肆无忌惮 #BYD #巴西 #信息控制

热搜榜