文章

新规则允许用户在 X 平台上发布经过双方同意制作的成人内容。 此更改也适用于AI生成的视频和图像。 为了确保这些内容不会无意间暴露给不愿意看到它们的用户，X要求发布者显著标记这些内容。 平台强调，性表…

消息称苹果将对Siri进行基于人工智能的重大改造 通过这种改进，你将能够通过Siri语音操控手机内的各个应用功能，从而提升整体使用体验。

根据新版隐私权政策，用户将同意将自己发布的任何内容用于 AI at Meta 模型训练。 如果用户选择不同意该隐私权政策则应该主动停止使用 Facebook 和Instagram等产品，否则均为接受新…

传统的transformer在处理长数字序列时，难以准确地跟踪和表示每个数字的位置，导致在进行多步骤和拿杂运算时性能不理想。 通过引入一种新的位置嵌入方法（Abacus Embeddings），研究人…

可以让游戏NPC具有AI对话功能，同时能直接生成数字人的语音和面部动画！ Avatar Cloud Engine (ACE)是一项用于提升游戏和虚拟角色互动体验的技术。 1.赋予游戏角色智能：ACE可…

可以在几十秒内通过文本生成高质量可直接使用的3D模型，这些模型使用四边形构造，并具有逼真的材质效果（看起来很真实）。 Rodin几乎达到了可以在实际项目和商业用途中直接应用的标准。 生成的3D模型质量…

据 Forbes 爆料，OpenAI 正在重组于2020年解散的机器人团队。 该公司正在招聘研究工程师，以组建一个新的团队，目前已经存在约两个月。 OpenAI 尚未公开详细介绍其机器人计划，但在最近…

Qwen1.5 来了，Qwen2还会远吗 还在上个月，阿里推出了国内开源模型中参数规模最大的 Qwen1.5-110B 模型。 根据官方公布的评测结果，Qwen1.5-110B略超过Llama-3-7…

清华类脑计算研究中心施路平团队新成果，登上最新一期Nature封面。 团队研发出世界首款类脑互补视觉芯片——“天眸芯”。 “天眸芯”实现了一种基于视觉原语的互补双通路类脑视觉感知新范式，模仿了人类视觉…

由Cartesia AI开发，基于他们自研的状态空间模型 • 延迟仅为135毫秒，确保实时响应 • 超逼真语音：生成富有情感和表达力的真人语音 • 只需10秒的录音即可匹配语调、抑扬顿挫和声线特征。 …

ChatGPT Edu基于GPT-4o构建，能够处理文本和图像，并使用数据分析等高级工具。 支持超过50种语言，提供更高的质量回答和速度。 ChatGPT Edu允许用户创建和定制自己的GPT模型，并…

ToonCrafter：自动生成卡通动画的中间帧 并根据参考图像对动画草图自动上色 ToonCrafter 通过生成性插值方法，在卡通动画帧之间生成自然、连贯的中间帧。能够处理复杂的非线性运动和遮挡问…

Perplexity Pages可以帮助你把你搜到的内容转化为视觉美观且全面的文章、报告。 无论你是想写一篇详细的指南、一份研究报告，还是一个信息丰富的教程，都可以。 你还可以根据不同的读者让AI帮你…

Jina AI 的 Reader 工具现在能够从任意 URL 读取 PDF 文件 并能快速解析成文本 只需在PDF的URL前添加 http://r.jina.ai 即可获得已解析好的文本，供语言模型（…

Stable Diffusion 3 和 Sora 一样采用了 diffusion transformer 架构。 继 OpenAI 的 Sora 连续一周霸屏后，昨晚，生成式 AI 顶级技术公司 S…

阿里的那个利用一张图和提取视频中的人物姿势 合成角色动画的项目被Novita AI开源并做了API 现在可以通过他们的API直接接入合成动画了 你只需要提供一张照片+一个参考视频即可，它能够自动识别视…

就在刚刚，腾讯正式发布了基于混元大模型的面向消费者端的 AI 助手“腾讯元宝”。 目前已经上架应用宝、小米、华为、vivo、OPPO 等应用商店。 其主要功能包括 AI 搜索、AI 总结、AI 写作等…

该视频介绍了ChatTTS的核心功能，包括文本转语音、与LLM对话集成及韵律调整等。如何使用ChatTTS生成自然流畅的对话语音，并分享了调整韵律和生成多样化说话人向量的方法。 colab在线体验：h…

这个语音专文本TTS模型 应该是目前对中文支持最好的了 该模型经过超过10万小时的训练，公开版本在 HuggingFace 上提供了一个4万小时预训练的模型。 专为对话任务优化，能够支持多种说话人语音…

在几乎所有指标上，Llama 3-V 的性能与GPT-4V、Gemini Ultra和Claude Opus等规模大100倍的闭源模型相当。 唯一的例外是MMM U（多模态记忆任务），Llama 3-…