资讯

通过参数增加使得模型不仅能够修复图像中的错误或损坏，还能根据文本提示进行智能修复。 例如根据描述来改变图像中的特定细节。这样的处理方式提升了图像修复的质量和智能度，使得模型能够更准确、更灵活地恢复和改…

Google Research团队开发的基于空间时间的文本到视频扩散模型。 它采用了创新的空间时间U-Net架构，能够一次性生成整个视频的时间长度，不同于其他模型那样逐帧合成视频。 确保了生成视频的连…

你只需要上传视频或者粘贴视频链接，这个工具就能全自动的在几十秒到几分钟内将你的视频翻译成29种语言。 更牛P的是接克隆原视频里面的声音，来给你配音。 就算是视频里面有多个人说话也能全部克隆翻译。 下面…

茴香豆是一个基于大语言模型的群聊知识助手，它能够自动识别并回答群聊中的技术相关的问题，且不会被群聊中的非技术内容干扰。 可以集成到即时聊天工具（如微信、飞书）的群聊中。 主要针对技术问题，特别是与编程…

RPG利用大语言模型来更好地理解和分解生成图像的文字提示，把一幅图像分解成不同的部分或区域。 然后对每个部分都根据理解的相应文本提示来生成图像，最后合成为一个符合你预期要求的图像。 该框架无需额外的模…

用于训练、微调和推理生成模型，涵盖诸如图像生成、转换、编辑等下游任务。 专门用于支持和简化图像生成、合成和编辑任务的开发，包括从文本到图像的生成和高级图像编辑技术。 1、任务支持： 文本到图像生成：支…

LEGO能够处理和理解多种类型的输入，支持图像、音频和视频输入，并对这些信息进行分析和理解。 模型还具备精准定位的能力。例如在图像中标识出物体的具体位置，在视频中指出特定事件发生的时间点，在音频中识别…

支持接入OpenAI、Azure OpenAI、Anthropic、Google、Mistral和Perplexity等模型 同时支持Ollama上的本地模型接入。 这样你只需要输入这些模型的API，…

已经有超过300万个GPTs被创建 同时OpenAI将启动一个GPTs构建者收益计划，美国构建者将根据用户与他们的GPTs互动情况获得报酬。 ChatGPT Team订阅计划每月每用户25美元（年度计…

Genie是一个文本到3D模型的转换工具，能够在不到10秒内根据文本描述创建任何想象中的3D对象。 生成的3D模型不仅包含形状，还包含了表面材料的细节，比如颜色、纹理或反光性，这使得模型更加逼真和详细…

这些角色包括游戏角色、动漫人物、网文主角等。每个角色都有自己的背景故事和特点，为用户提供了丰富的互动体验。 百川称模型融合了角色知识库和多轮记忆能力，增强了对话和逻辑能力，使得角色扮演更为栩栩如生。 …

Midjourney 被曝光未经许可使用了包含 16000 名艺术家的作品风格来训练其图像生成AI。 这个名单不仅包括现代和当代著名艺术家的作品，还包括了为公司如Hasbro和Nintendo工作的商…

通过脑电波控制波士顿动力的机器狗。 该技术仅靠一种特殊的眼镜就能读取人的脑电波和眼动，然后把这些信号传递给机器人执行动作。 Ddog系统只需要两 iPhone和一副蓝牙眼镜就可以运行。而且还可以完全离…

该技术可以在照片中加入一个看起来像是真实反射环境的铬球。这个铬球可以帮助计算出照片中的光照是怎样的。 然后，他们使用这些光照信息在照片中添加新的物体，使得这些物体看起来好像是在原来的光照条件下拍摄的一…

你只需要通过文字描述人的脸型、五官、发型等特征，它就能在不到2分钟的时间内生成一个超逼真的3D角色。 而且你可以自定义面部特征，例如脸型、眼睛颜色、发型、眉毛类型、嘴巴和鼻子，以及添加皱纹和雀斑等。 …

WikiChat基于英文维基百科信息。当它需要回答问题时，会先在维基百科上找到相关的、准确的信息，然后再给出回答，保证给出的回答既有用又可靠。 在混合人类和LLM的评估中，WikiChat达到了97….

– Rodin Gen-1拥有1.5B参数，是目前最大的3D原生生成大模型。它的功能类似于SD（Stable Diffusion）。 – 3D-to-3D：除了传统的3D建模，…

– 同时拨打或接听多大500000个电话 – 保证和人类接听员一样的水准，自然且流畅 – 可以创建声音克隆，模仿任何人的声音 – 对其进行编程以执行任何…

– 2023年，越来越多的开发者开始使用AI技术，同时也尝试构建基于AI的应用程序。 – 基于OpenAI等公司的基础模型的生成性AI项目数量激增，其中一些项目甚至进入了最受欢…

TrailBlazer是英伟达的一个预训练好的模型，只需输入文本即可生成视频。 同时他们提出一个边界框的概念，来控制视频对象的运动方向、速度和行为。 例如，你可以通过改变边界框的大小、方向，让视频中的…