12月18日 AI资讯汇总
12月18日 AI资讯汇总
12月18日 AI资讯汇总 12月18日 AI资讯汇总 Modified December 18, 2024 No access 豆包·视觉理解模型正式发布！更强的内容识别能力、更强的理解和推理能力、更细腻的视觉描述能力，视觉理解拓展场景边界，模型发展进入新阶段。 字节发布豆包视觉理解大模型 豆包还是太全能了 火山引擎FORCE原动力大会 AI 豆包大模型 00:00 No access 扣子 1.5 重磅发布：全新的 AI 应用开发环境；更强的多模态能力，第一时间体验豆包最新发布模型；海量精品模板，更丰富的开发者生态，邀你体验！ 扣子 扣子Coze AI应用 智能体（1） 00:00 No access meshtron turntable 00:00 效果： No access Wonderland 00:00 🌟地址： https://snap research.github.io/wonderland/ CAP4D:基于参考图像（任意数量）转换为可控的实时 4D 头像 由多伦多大学发布，可以使用任意数量的参考图像创建逼真的 4D 人物头像动画。 模型分为两个阶段：首先，可变形多视图扩散模型 (MMDM)从参考图像中生成大量不同视角和表情的图像。然后，将 4D 虚拟形象与生成的图像和参考图像相匹配。该虚拟形象可通过 3DMM 控制并实时渲染。 风格不限于写实人像，适应多艺术画风。 效果： No access teaser video website 00:00 🌟地址： https://felixtaubner.github.io/cap4d/ AI生成3D工具Rodin表示Gen 1.5 将于本月推出 🤖️AI 图像 Ideogram：支持上传带有提示和设置的表格，可批量生成图像，简化工作流程 目前Ideogram pro用户可进行使用 宣传视频： No access Ideogram 00:00 🌟地址： https://ideogram.ai/ BrushEdit：腾讯开源AI图像编辑技术 利用多模态大型语言模型 (MLLM) 和图像修复模型来实现自主、用户友好和交互式的自由形式指令编辑。用户可以根据语言沟通，进行编辑图像背景、对象，增删内容。 效果： No access BrushEdit 00:00 🌟地址： https://liyaowei stu.github.io/project/BrushEdit/ 网友@testingcatalog公开Gemini Creative Partner UI 的早期预览， 允许用户直接在 Gemini UI 中编辑图像，能够修改区域、对 AI 生成的图像进行绘制或动画处理 效果： No access @testingcatalog 00:00 🤖️AI 硬件 英伟达：发布 NVIDIA Jetson Orin Nano 超级开发套件，售价 249 美元 以下改进： • 生成式 AI 模型性能提高 1.7 倍。 • 执行高达67万亿次的INT8运算 • 102 GB/s的内存带宽，比之前的65 GB/s内存带宽有了显著的飞跃。 • CPU 时钟速度从 1.5 GHz 上升至 1.7 GHz。 老黄表示这款开发套件是构建生成式AI、机器人技术，计算机视觉领域都很有帮助！ No access 豆包·视觉理解模型正式发布！更强的内容识别能力、更强的理解和推理能力、更细腻的视觉描述能力，视觉理解拓展场景边界，模型发展进入新阶段。 字节发布豆包视觉理解大模型 豆包还是太全能了 火山引擎FORCE原动力大会 AI 豆包大模型 00:00 No access 豆包·视觉理解模型正式发布！更强的内容识别能力、更强的理解和推理能力、更细腻的视觉描述能力，视觉理解拓展场景边界，模型发展进入新阶段。 字节发布豆包视觉理解大模型 豆包还是太全能了 火山引擎FORCE原动力大会 AI 豆包大模型 00:00 No access 扣子 1.5 重磅发布：全新的 AI 应用开发环境；更强的多模态能力，第一时间体验豆包最新发布模型；海量精品模板，更丰富的开发者生态，邀你体验！ 扣子 扣子Coze AI应用 智能体（1） 00:00 No access 扣子 1.5 重磅发布：全新的 AI 应用开发环境；更强的多模态能力，第一时间体验豆包最新发布模型；海量精品模板，更丰富的开发者生态，邀你体验！ 扣子 扣子Coze AI应用 智能体（1） 00:00 No access meshtron turntable 00:00 No access meshtron turntable 00:00 效果： No access Wonderland 00:00 No access Wonderland 00:00 🌟地址： https://snap research.github.io/wonderland/ CAP4D:基于参考图像（任意数量）转换为可控的实时 4D 头像 由多伦多大学发布，可以使用任意数量的参考图像创建逼真的 4D 人物头像动画。 模型分为两个阶段：首先，可变形多视图扩散模型 (MMDM)从参考图像中生成大量不同视角和表情的图像。然后，将 4D 虚拟形象与生成的图像和参考图像相匹配。该虚拟形象可通过 3DMM 控制并实时渲染。 风格不限于写实人像，适应多艺术画风。 效果： No access teaser video website 00:00 No access teaser video website 00:00 🌟地址： https://felixtaubner.github.io/cap4d/ AI生成3D工具Rodin表示Gen 1.5 将于本月推出 🤖️AI 图像 Ideogram：支持上传带有提示和设置的表格，可批量生成图像，简化工作流程 目前Ideogram pro用户可进行使用 宣传视频： No access Ideogram 00:00 No access Ideogram 00:00 🌟地址： https://ideogram.ai/ BrushEdit：腾讯开源AI图像编辑技术 利用多模态大型语言模型 (MLLM) 和图像修复模型来实现自主、用户友好和交互式的自由形式指令编辑。用户可以根据语言沟通，进行编辑图像背景、对象，增删内容。 效果： No access BrushEdit 00:00 No access BrushEdit 00:00 🌟地址： https://liyaowei stu.github.io/project/BrushEdit/ 网友@testingcatalog公开Gemini Creative Partner UI 的早期预览， 允许用户直接在 Gemini UI 中编辑图像，能够修改区域、对 AI 生成的图像进行绘制或动画处理 效果： No access @testingcatalog 00:00 No access @testingcatalog 00:00 🤖️AI 硬件 英伟达：发布 NVIDIA Jetson Orin Nano 超级开发套件，售价 249 美元 以下改进： • 生成式 AI 模型性能提高 1.7 倍。 • 执行高达67万亿次的INT8运算 • 102 GB/s的内存带宽，比之前的65 GB/s内存带宽有了显著的飞跃。 • CPU 时钟速度从 1.5 GHz 上升至 1.7 GHz。 老黄表示这款开发套件是构建生成式AI、机器人技术，计算机视觉领域都很有帮助！ 🌟地址： https://developer.nvidia.com/blog/nvidia jetson orin nano developer kit gets a super boost/?ncid=so twit 655509 vt48 有任何疑问请联系后台 联系邮箱：alolg@163.com alolg@163.com 🐱 猫叔留言： AI资讯公众号：超时空视角 小红书/抖音：EverAI B站：Ever AI酱 （❤这里会有教程及AI工具界面操作） 猫叔留言： AI资讯公众号：超时空视角 小红书/抖音：EverAI B站：Ever AI酱 （❤这里会有教程及AI工具界面操作） 🤖️重要信息 2024火山引擎FORCE原动力大会 Day 1内容 🙂豆包·视觉理解模型发布 用户可输入文本和图像相关的问题。模型能够综合理解并给出准确的回答。 具有更强的内容识别能力、理解和推理能力，对于AI教育拍照搜题，AI批改，旅行翻译沟通等场景狠狠的助力了一波。 更细腻的视觉描述能力，可以基于图像进行多种文体的创作。 比行业平均价格低85%，每千tokens 0.003元，已经接入豆包App和PC端产品 🙂豆包3D生成模型+火山引擎数字孪生平台veOmniverse 形成了一款支持AIGC创作的物理世界仿真模拟器。 应用场景：具身智能仿真训练，SDG仿真数据合成，数字资产云协作 🙂Coze 1.5 发布 具有更多模板，新版 AI 应用开发环境支持 GUI 搭建界面，并一键发布为小程序、H5 等多种应用形态。 还具有更强的多模态能力支持，包括豆包视觉理解模型/音乐等大模型支持，以及语音 OpenAPI。 豆包·视觉理解模型 https://www.coze.cn/docs/guides/vlm 豆包·音乐大模型 https://www.coze.cn/store/plugin/7449355471418359845?from=store search suggestion 豆包·图像生成大模型 https://www.coze.cn/store/plugin/7449356651498471463?from=store search suggestion 🙂豆包音乐模型4.0 可进行全曲3分钟的创作，支持局部修改并保证了曲风一致性 🙂文生图模型升级，可以一键海报制作，针对错误文字进行快速修改，字体风格稳定 🙂豆包视频生成模型将在2025年1月正式对外开放服务，用户可在火山引擎官网预约正式服务。 🙂推出prompt优解 全自动帮助用户写提示词，支持批量多轮调试，基于AI回答反馈打分、迭代优化后形成最符合用户的提示词工程。目前已全量公测。 No access prompt优解 00:00 No access prompt优解 00:00 🙂火山AI搜推引擎 全域 AI 搜索，助力企业用户上，火山AI搜推引擎，基于豆包模型驱动，支持多模态搜索，将企业私域信息整合，并赋联网问答服务，提升企业各环节信息、业务的AI赋能。 🙂发布了大模型记忆方案，并推出 prefix cache 和 session cache API，降低延迟和成本。 🙂HiAgent 1.5 帮助构建企业级的AI原生应用的能力中心，具有100+的常见行业模板插件（企业可以开箱即用） No access hiagent 00:00 No access hiagent 00:00 更灵活适配企业业务（根据企业进行定制） GraphRAG构建知识图谱,提供细粒度的知识资产管理 生成式画布融合CUI和GUI,打造智能交互引擎 私有化部署更强的安全保障 针对企业服务还涉及了AI云原生及数据飞轮2.0的信息。 OpenAI Day 9 要点 要点： • o1模型API，提供了对function calling（函数调用）、结构化输出和开发者消息等特性的支持。 • 可设置推理参数，调节思考推理程度，并提升了多模态能力，能够快速图像分析识别瞄准错误。 • 高级语音模式的API可通过WebRTC调用，可做语音助手，AI口语陪练，AI玩具等 • 更新偏好微调，可以告诉模型要与不要的东西，更轻松地根据用户和开发人员的偏好定制模型。 • 公开Go和 Java 语言的官方开发工具包（SDK）测试版 🌟地址： https://www.youtube.com/watch?v=14leJ1fg4Pw https://openai.com/index/o1 and new tools for developers/ 🤖️AI 3D Meshtron：英伟达协助生成复杂3D模型网格的AI模型 一种新型的自回归网格生成模型，能够生成高达64K个面、1024级坐标分辨率的网格——比当前最先进方法的面数高出一个数量级以上，坐标分辨率高8倍。 可以生成详细、复杂的3D对象的网格 可以作为独立的网格重构器来提高现有模型的质量，也可以与AI生成3D 或3D扫描场景配合使用 效果： 🌟地址： https://research.nvidia.com/labs/dir/meshtron/ Wonderland：图生3D场景模型 由多伦多大学发布，给定一张图像，Wonderland技术会以“前馈方式”从摄像机引导视频扩散模型的潜在空间生成 3D 场景，同时也支持使用多摄像机轨迹对场景进行广泛探索。