3月21日 AI资讯汇总
😼
3月21日 AI资讯汇总 😼 3月21日 AI资讯汇总 Modified March 21, 2025 • 2D图像【左边：Reve/右边： Midjourney】 • 概念图像【左边：Reve/右边： Midjourney】 Topaz Labs： 推出Gigapixel v8.3.0，将任何图像放大 16 倍。 新版本对数百万张图像进行了训练，处理了 20 亿张图像。可以实现16倍的视频图像高清化处理，同时保证图像的真实性，包括皮肤纹理，织物，头发的高细节质感。 速度相较先前提升5倍，同时支持本地与云端处理 🌟地址： https://www.topazlabs.com/gigapixel FLORA ：引入gemini 2.0自然语言编辑图像能力 FLORA 画布式节点工具引入gemini 2.0 自然语言编辑能力，在 FLORA 中限时免费试用 官方演示： No access FLORA 00:00 🌟项目地址： florafauna.ai 🤖️AI 视频 pika:超创内测“操控原视频中物体运动”能力 Pika近日披露新开放内测能力，可以操纵原拍摄视频中的任何元素进行变化运动 同时保持其余部分完好无损，目前该能力限超创人员使用。 官方效果： No access pika 00:00 Krea：上线视频模型训练能力，可控制视频风格/动作/物体等 AI创作工具Krea近日提出 视频训练（Video Training）能力，用户可以上传自己的视频或图片，设置一个触发提示，训练模型（Wan 2.1） 让它学习自定义风格、动作或物体。 同时，训练完成后，用户可以在 Krea Video 上使用该训练结果，同时支持调整对结果的影响强度 官方演示： No access krea 00:00 🌟项目地址： krea.ai 🤖️AI 模型 OpenAI：发布2个语音模型+1个演示网站 2个新模型分别为：文本转语音，语音转文本。新音频模型基于 GPT‑4o 和 GPT‑4o mini 架构，并在专门的以音频为中心的数据集上进行了广泛的预训练。 语音转文本： 新的模型gpt 4o transcribe，gpt 4o mini transcribe 与原始的 Whisper 模型相比，它们的单词错误率有所改进，语言识别能力和准确性也更高。 可以更好地捕捉语音的细微差别，减少误认，提高转录可靠性，尤其是在涉及口音、嘈杂环境和不同语速的具有挑战性的场景中。 文本转语音： 一款gpt 4o mini tts可操控性更强的新模型。可以指导模型如何说/怎么说/说什么。 同样的句子你可以要求他： 生气的效果： 生气愤怒的语气 (1) Unable to preview. Please download the file. 吃惊的效果： 吃惊的语气 (1) Unable to preview. Please download the file. 演示网站（https://www.openai.fm/）： 供开发人员尝试 OpenAI API 中的新文本转语音模型的交互式演示 🌟地址： florafauna.ai • 2D图像【左边：Reve/右边： Midjourney】 • 概念图像【左边：Reve/右边： Midjourney】 Topaz Labs： 推出Gigapixel v8.3.0，将任何图像放大 16 倍。 新版本对数百万张图像进行了训练，处理了 20 亿张图像。可以实现16倍的视频图像高清化处理，同时保证图像的真实性，包括皮肤纹理，织物，头发的高细节质感。 速度相较先前提升5倍，同时支持本地与云端处理 🌟地址： https://www.topazlabs.com/gigapixel FLORA ：引入gemini 2.0自然语言编辑图像能力 FLORA 画布式节点工具引入gemini 2.0 自然语言编辑能力，在 FLORA 中限时免费试用 官方演示： No access FLORA 00:00 No access FLORA 00:00 🌟项目地址： florafauna.ai florafauna.ai 🤖️AI 视频 pika:超创内测“操控原视频中物体运动”能力 Pika近日披露新开放内测能力，可以操纵原拍摄视频中的任何元素进行变化运动 同时保持其余部分完好无损，目前该能力限超创人员使用。 官方效果： No access pika 00:00 No access pika 00:00 Krea：上线视频模型训练能力，可控制视频风格/动作/物体等 AI创作工具Krea近日提出 视频训练（Video Training）能力，用户可以上传自己的视频或图片，设置一个触发提示，训练模型（Wan 2.1） 让它学习自定义风格、动作或物体。 同时，训练完成后，用户可以在 Krea Video 上使用该训练结果，同时支持调整对结果的影响强度 官方演示： No access krea 00:00 No access krea 00:00 🌟项目地址： krea.ai 🤖️AI 模型 OpenAI：发布2个语音模型+1个演示网站 2个新模型分别为：文本转语音，语音转文本。新音频模型基于 GPT‑4o 和 GPT‑4o mini 架构，并在专门的以音频为中心的数据集上进行了广泛的预训练。 语音转文本： 新的模型gpt 4o transcribe，gpt 4o mini transcribe 与原始的 Whisper 模型相比，它们的单词错误率有所改进，语言识别能力和准确性也更高。 可以更好地捕捉语音的细微差别，减少误认，提高转录可靠性，尤其是在涉及口音、嘈杂环境和不同语速的具有挑战性的场景中。 文本转语音： 一款gpt 4o mini tts可操控性更强的新模型。可以指导模型如何说/怎么说/说什么。 同样的句子你可以要求他： 生气的效果： 生气愤怒的语气 (1) Unable to preview. Please download the file. 生气愤怒的语气 (1) Unable to preview. Please download the file. 吃惊的效果： 吃惊的语气 (1) Unable to preview. Please download the file. 吃惊的语气 (1) Unable to preview. Please download the file. 演示网站（https://www.openai.fm/）： 供开发人员尝试 OpenAI API 中的新文本转语音模型的交互式演示 🌟地址： https://openai.com/index/introducing our next generation audio models/ Claude： 支持搜索功能 Claude 现支持网络搜索并且兼容 Claude 3.7 Sonnet，也就是说其可以结合搜索互联网获取最新信息来进行问题回答，同时在答案中显示出处。 目前可供美国付费用户使用（未来将支持免费用户和其他地区） 🌟地址： https://www.anthropic.com/news/web search 🤖️AI 3D SpatialLM ：用于空间理解的大型语言模型 SpatialLM 是一种 3D 大型语言模型，旨在处理 3D 点云数据并生成结构化的 3D 场景理解输出。 与以前需要专门设备进行数据收集的方法不同，SpatialLM 可以处理来自各种来源的点云，例如单目视频序列、RGBD 图像和 LiDAR 传感器。 这种多模态架构有效地弥合了非结构化 3D 几何数据和结构化 3D 表示之间的差距，提供了高级语义理解。 它增强了空间推理能力，适用于具象机器人、自主导航和其他复杂的 3D 场景分析任务中的应用。 🌟地址： https://manycore research.github.io/SpatialLM/ 如有任何问题请联系后台 电子邮箱：alolg@163.com alolg@163.com 🐱 猫叔留言： AI资讯公众号：超时空视角 猫叔个人公众号：AI替代人类 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 猫叔个人公众号：AI替代人类 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） 🌟 3月21日 AI资讯 【AI 绘画】 • 网传神秘Halfmoon：文本转图像模型为Reve对比Midjourney效果 • Topaz Labs： 推出Gigapixel v8.3.0，将任何图像放大 16 倍。 • FLORA ：引入gemini 2.0自然语言编辑图像能力 【AI视频】 • pika:超创内测“操控原视频中物体运动”能力 • Krea：上线视频模型训练能力，可控制视频风格/动作/物体等 【AI 3D】 • SpatialLM ：用于空间理解的大型语言模型 【AI 模型及应用】 • OpenAI：发布2个语音模型（文本转语音/语音转文本）+1个演示网站 • Claude： 支持搜索功能 3月21日 AI资讯 【AI 绘画】 • 网传神秘Halfmoon：文本转图像模型为Reve对比Midjourney效果 • Topaz Labs： 推出Gigapixel v8.3.0，将任何图像放大 16 倍。 • FLORA ：引入gemini 2.0自然语言编辑图像能力 【AI视频】 • pika:超创内测“操控原视频中物体运动”能力 • Krea：上线视频模型训练能力，可控制视频风格/动作/物体等 【AI 3D】 • SpatialLM ：用于空间理解的大型语言模型 【AI 模型及应用】 • OpenAI：发布2个语音模型（文本转语音/语音转文本）+1个演示网站 • Claude： 支持搜索功能 🤖️AI 绘画 网传神秘Halfmoon 文本转图像模型为Reve Image 1.0 近期有款图像生成模型“ Halfmoon”登顶ArtificialAnlys图像竞技场首位，业界都在猜测这是谁家模型？ 网友Tibor Blaho根据Halfmoon元数据，模型 ID “text2image v1/prod/20250309 2343”翻找猜测该模型为“Reve ” Reve Image 1.0是一款文生图模型，遵循提示词、美观和排版方面表现出色 使用地址：https://preview.reve.art/ 我们用相同提示词对比下与Midjourney效果 • 写实人像【左边：Reve/右边： Midjourney】 • 写实环境【左边：Reve/右边： Midjourney】 • 写实物体 • 字符【左边：Reve/右边： Midjourney】 • 线条图像【左边：Reve/右边： Midjourney】 • 3D图像【左边：Reve/右边： Midjourney】