成果展示
步骤拆解
本篇实战要完成2个目标
用 AI 生成的人物替换原始视频中的人物，生成一个新的视频
将原始视频进行风格转换，比如现在很火的黏土风格
好，现在我们需要准备一个原始视频，这里从网络上下载了一个美女舞蹈视频，大家可以从抖音、B站或油管上去下载，推荐 you-get 这个工具，链接：https://github.com/soimort/you-get
然后，介绍下本篇的 AI 主角，它就是 D……继续阅读 »
迷途小书童
6个月前 (06-27) 403浏览 0评论
0个赞
1. 小米大模型提效新框架
小米大模型团队提出 SUBLLM（Subsampling-Upsampling-Bypass Large Language Model），国际AI语音大牛、开源语音识别工具 Kaldi 之父 Daniel Povey 也参与指导。与 Llama 等模型相比，SUBLLM 在训练和推理速度以及降低内存方面都有了显著提升。
在大模型训练中，SUBLLM 的速度提高了26%，每个 GPU 的内……继续阅读 »
迷途小书童
6个月前 (06-25) 324浏览 0评论
0个赞
成果展示
原始图片
合成的视频
步骤拆解
提供一张带完整人脸的图片，系统能够根据音频（或者根据输入文本生成音频）合成视频，也就是 AI 数字人。
本篇实战使用的 AI 平台是 hedra，网址是：https://www.hedra.com/。 目前这个系统还是 beta 阶段，使用完全免费，而且对于已有的功能，也完全没有任何的使用限制。对于一般的 AI 数字人产品，它的整体效果还是非常不错的，不仅能够比较好的对……继续阅读 »
迷途小书童
6个月前 (06-24) 497浏览 0评论
0个赞
1. 华为发布盘古大模型5.0
华为开发者大会2024在东莞召开。在大会现场，华为发布了 HarmonyOS Next、盘古大模型 5.0、仓颉编程语言等，也介绍了一系列 AI 先进技术的应用案例。
大模型即服务平台 ModelArts Studio 目前可以提供百模千态的第三方大模型托管服务，支持对大模型定制开发，并提供相应的工具和行业集成套件，让客户可以方便的将大模型与业务系统结合。它具备三大特点：
支持零代……继续阅读 »
迷途小书童
6个月前 (06-24) 384浏览 0评论
0个赞
1. 可灵AI全新功能上线！
可灵AI全新功能上线！图生视频和视频续写来啦！
图生视频：上传任意图片，生成5秒精彩视频。支持添加提示词控制图像运动
视频续写：对生成视频一键续写4～5秒，支持多次续写（最长3分钟），可通过微调提示词进行续写视频创作
文生视频多比例选择：文生视频新增9:16和1:1视频尺寸选择，提供更多创作可能
PS：由于版本正在逐渐放量，已有权限的用户如果看不到功能，可以更新APP，再次尝试。没有……继续阅读 »
迷途小书童
6个月前 (06-22) 377浏览 0评论
0个赞
1. Anthropic发布Claude 3.5 Sonnet
Anthropic 推出了 Claude 3.5 Sonnet。Claude 3.5 Sonnet 在各种评测中都超越了竞争对手和 Claude 3 Opus，同时仍保持着 Claude 3 Sonnet 的速度和成本。
Claude 3.5 Sonnet 在解决问题、理解幽默和复杂指令方面均有显著进步。同时它的视觉理解能力也超越了 Claude 3 O……继续阅读 »
迷途小书童
6个月前 (06-21) 447浏览 0评论
0个赞
1. 英伟达市值登顶
全球科技领域迎来了一个重要时刻，英伟达超越微软，成为了全球市值最高的公司。英伟达是一家芯片制造商，在最近一个交易日的股价上涨 3.5% 达到 135.58 美元，市值升至 3.334 万亿美元，正式超越苹果、微软等一众科技公司，成为全球最有价值的 AI 科技公司，也是 AI 浪潮成为这个新时代主旋律的一个里程碑。
随着市值持续增长，现年 61 岁的CEO黄仁勋身价也水涨船高，已经超过了 119……继续阅读 »
迷途小书童
6个月前 (06-20) 309浏览 0评论
0个赞
成果展示
步骤拆解
本篇使用的 AI 工具是 viggle，地址是：https://viggle.ai/
viggle 有2种使用方法，一个是在网页里，另一个是在 discord 里，看你自己的使用习惯，这里以 web 版为例，点击 Join The Beta
点击左侧的 Character 中的 Upload files or drop an image，下方的 Image Assets 中可以找到历史文件……继续阅读 »
迷途小书童
6个月前 (06-19) 435浏览 0评论
0个赞
1. 谷歌DeepMind利用AI为无声视频配音
DeepMind近日公布了一项利用 AI 为无声视频生成背景音乐的video-to-audio技术。AI模型首先会将用户输入的视频进行拆解，此后结合用户的用户文字提示，利用扩散模型反复运算，最终以生成与视频画面协调的背景声音，例如输入一条“在黑暗中行走”的无声视频，再添加“电影、恐怖片、音乐、紧张、混凝土上的脚步声”等文字提示，相关模型就能生成恐怖风格的背景音效。
……继续阅读 »
迷途小书童
6个月前 (06-19) 351浏览 0评论
0个赞
1. 3D 版 SORA 来了！
DreamTech 官宣了其高质量 3D 生成大模型 Direct3D，并公开了相关学术论文 Direct3D: Scalable Image-to-3D Generation via 3D Latent Diffusion Transformer。
链接：https://arxiv.org/abs/2405.14832
这是首个公开发布的原生三维生成路线的 3D 大模型，通过采用……继续阅读 »
迷途小书童
6个月前 (06-18) 308浏览 0评论
0个赞
1. Meta AI的NLLB-200登上Nature
Meta AI在社交媒体X上宣传自家的大模型NLLB，全称为No Language Left Behind，这个AI模型能够翻译200种语言，包括资源匮乏的语言，更难得的是，NLLB模型可以免费提供给非商业用途。
这项研究刊登在了本周的Nature上，题为Scalling neural machine translations to 200 languages。……继续阅读 »
迷途小书童
6个月前 (06-17) 378浏览 0评论
0个赞
1. AI漫画角色一致性大突破
由中山大学和联想团队联合提出AutoStudio，它是一个无需训练的多智能体协同框架。AutoStudio采用基于大语言模型的三个智能体来处理交互，并使用基于扩散模型的Drawer生成高质量图像。实验中，AutoStudio无论是在定量还是定性评估中都优于现有方法。
AutoStudio包括三个基于LLM的智能体：
主题管理器：解释对话，识别不同的主题，并为其分配适当的上下文
……继续阅读 »
迷途小书童
6个月前 (06-16) 316浏览 0评论
0个赞
1. Follow Your Emoji 一键让照片变表情包
腾讯混元联合港科大、清华大学联合推出肖像动画生成框架Follow Your Emoji，可以通过人脸骨架信息生成任意风格的脸部动画，一键创建表情包。基于算法革新和数据积累，Follow Your Emoji可以支持对脸部进行精细化的控制，包括眉毛，眼珠，翻白眼等细节，动物表情包也可以轻松拿捏。
首先，引入了表情感知骨架这一表情控制信号，能够有效地引导动画……继续阅读 »
迷途小书童
6个月前 (06-15) 261浏览 0评论
0个赞
1. AI视频新霸主诞生！Dream Machine
成立于2021年的Luma AI官宣了文生视频/图生视频模型Dream Machine，而且提供免费试用API，高质量的生成效果获得了很多网友的好评。
有网友输入相同的提示词，对比Pika、Runway和Dream Machine三个模型，他认为最终还是Luma赢了。
2. 吴恩达开源机器翻译智能体
人工智能著名学者、斯坦福大学教授吴恩达一直非常推崇智能体……继续阅读 »
迷途小书童
6个月前 (06-14) 474浏览 0评论
0个赞
1. GPT-4o更容易越狱？
来自北航和南洋理工的研究人员，通过上万次的API查询，对GPT-4o各种模态的安全性进行了详细测试。结果发现，GPT-4o新引入的语音模态带来了新的攻击面，而且多模态整体安全性不敌GPT-4V。
研究人员针对4个常用的基准测试，对GPT-4o支持的三种模态（文本、图像、音频）进行了测试。
测试一共涉及到4000+初始文本查询的优化，8000+响应判断，16000+次OpenAI的API……继续阅读 »
迷途小书童
6个月前 (06-13) 325浏览 0评论
0个赞
什么是AI智能体？
Agent AI 智能体，也被称为人工智能代理（Artificial Intelligence Agent），是一种能够感知环境、进行自主理解、决策和执行动作的智能体。它具备独立思考和调用工具逐步完成给定目标的能力。Agent AI 智能体不仅仅是一个大模型，它通过感知和适应环境，可以模拟人类的交互方式，并展现出上下文学习能力、思维链和推理能力等类似人类思考方式的能力。
通俗的理解：Agent A……继续阅读 »
迷途小书童
6个月前 (06-13) 523浏览 0评论
0个赞
1. Yandex开源LLM训练工具，节省高达20%的GPU资源
Yandex 最近推出了 YaFSDP，这是一种用于训练大型语言模型 (LLM) 的开源方法。YaFSDP 是目前最有效的公开可用工具，用于增强 GPU 通信并减少 LLM 训练中的内存使用量，与 FSDP 相比，其训练速度提升最高可达 26%，具体取决于架构和参数数量。通过使用 YaFSDP 减少 LLM 的训练时间可以节省高达 20% 的 GPU ……继续阅读 »
迷途小书童
6个月前 (06-12) 275浏览 0评论
0个赞
快手推出了新的视频生成模型，可灵 Kling AI，根据官方放出的 Demo，几乎可以和 OpenAI 的 SORA 相媲美。
官网地址：https://kling.kuaishou.com/
可灵 AI 的功能特点
得益于高效的训练基础设施、极致的推理优化和可扩展的基础架构，可灵大模型能够生成长达2分钟的视频，且帧率达到30fps。
采用3D时空联合注意力机制，能够更好地建模复杂时空运动，生成较大幅度运动的视频……继续阅读 »
迷途小书童
6个月前 (06-12) 347浏览 0评论
0个赞
