3月26日 AI资讯汇总
😼
3月26日 AI资讯汇总 😼 3月26日 AI资讯汇总 Modified March 26, 2025 • 可以处理多达10 20个不同的对象的细节表现 局限性： • GPT 4o在处理复杂图像或非拉丁语言时可能存在准确性问题。 • 图像生成可能导致的误导性内容。 • 太细节的图像，在编辑图像生成内容时，可能会引入错误或改变图像的其他部分，这可能会影响图像的准确性。 • 对于长图像，会出现剪裁问题。 使用： • 作为 ChatGPT 中的默认图像生成器向 Plus、Pro、Team 和 Free 用户推出 • API预计在预计在未来几周内推出。 更多妙用推荐阅读：《干废一切图像工作流！告诉你 GPT 4o 图片生成真正强大的地方》 谷歌：发布Gemini 2.5 Pro Experimental 模型 Gemini 2.5是Google DeepMind 推出的最新AI模型（思考模型），Gemini 2.5继承了Gemini模型的优势，包括原生多模态和长上下文窗口。其中Gemini 2.5 Pro Experimental是首个2.5版本，在多个基准测试中领先，并在LMArena上以显著优势排名第一。 • 2.5 Pro在编码性能方面取得了显著进步，擅长创建视觉吸引人的Web应用和代理代码应用 • 2.5 Pro配备了100万上下文窗口（即将推出200万），性能优于前一代。 • 2.5 Pro能够处理来自不同信息源（包括文本、音频、图像、视频和整个代码库）的复杂问题。 使用： Gemini 2.5 Pro 现已在Google AI Studio中面向 Gemini Advanced 用户推出，并将很快在Vertex AI中推出。 🌟地址： https://blog.google/technology/google deepmind/gemini model thinking updates march 2025/ building on best gemini 🤖️AI 音乐 昆仑万维：发布全球首款音乐推理大模型Mureka O1 昆仑万维正式发布Mureka O1模型与Mureka V6模型。两者皆支持多元化的音乐创作风格及情感表达，同时具有歌曲参考及音色克隆的能力。登录 Mureka（www.mureka.ai），可体验V6&O1模型。 根据官方介绍，Mureka O1作为全球首款音乐推理大模型，性能超越Suno、模型登顶SOTA Mureka V6 当前Mureka的基座模型，支持纯音乐生成，还支持10种语言的AI音乐创作，包括英语、中文、日语、韩语、法语、西班牙语、葡萄牙语、德语、意大利语和俄语。该版本声场更加开阔，人声质感和混音设计进一步强化。同步开放基于Mureka V6的模型微调服务。 Mureka O1 模型是基于Mureka V6思维链的推理优化版本，也是全球范围内首个引入CoT的音乐模型，在推理过程中加入思考与自我批判，大幅提升音乐品质、音乐创作效率和灵活性。 其他： Mureka同步开放语音合成API——Mureka TTS 面向企业和开发者，Mureka同时开放API服务，包括音乐音频生成API，语音合成API· 🌟地址： www.mureka.ai 🤖️AI 视频 混元 Portrait：音频视频驱动图片肖像形成动画 HunyuanPortrait是一个基于扩散模型的条件控制方法，用于增强肖像动画。它通过使用隐式表示来编码运动信息，并将其作为动画阶段的控制信号，实现了对肖像动画的高度可控性和逼真度。该方法通过单个肖像图像作为外观参考，并使用视频片段作为驱动模板，通过视频中的面部表情和头部姿态来动画化参考图像中的角色。 HunyuanPortrait表现出强大的泛化能力，能够有效地在不同图像风格下分离外观和运动。 官方宣传效果： No access 混元 00:00 🌟地址： https://kkakkkka.github.io/HunyuanPortrait/ PP VCtrl：新可控制视频生成模型 PP VCtrl 是一个通用的视频生成控制模型，通过引入辅助条件编码器，能够灵活对接各类控制模块，并且在不改变原始生成器的前提下避免了大规模重训练。 PP VCtrl 可广泛应用于人物动画、场景转换、视频编辑等视频生成场景。 技术对源视频提取视频控制序列（边缘，蒙版，姿态）。然后利用ControlNet重新制作视频首帧。将视频控制序列和重新制作的视频首帧输入PP VCtrl I2V中生成新的视频。 源代码和预训练模型公开可用。 官方宣传效果： No access 【AI视频】【PP VCtrl】新的可控制视频生成模型250326 00:00 🌟地址： https://pp vctrl.github.io/ 🤖️AI 3D Vibe Draw:草图进行3D建模 Vibe Draw是一款创新的3D创作应用，旨在让用户通过简单的手绘草图就能轻松创建高质量的3D模型。该软件的核心功能是将用户在无限2D画布上的自由草图转换为逼真的3D对象，并允许用户将这些3D模型添加到无限3D世界中，构建沉浸式场景。 该技术是用了： Gemini Flash 2.0 Experimental：将草图转换为详细的绘图 Claude Sonnet 3.7：用于有效地提示Three.js使用图像和文本，动态生成准确的3D模型。 Cerebras Llama 3.3 70B：用于快速从复杂的Three.js场景中提取单个对象代码，允许一键导入3D世界。 官方宣传效果： No access 【AI视频】【PP VCtrl】新的可控制视频生成模型250326 00:00 🌟地址： https://devpost.com/software/vibe draw GroomLight：用于重打光的人体头发外观建模的混合逆向渲染 GroomLight是一个用于从多视角图像中进行可重照明头发外观建模的新方法。 该项目结合了分析材料模型和神经渲染方法的优点，通过扩展的头发BSDF模型捕捉主要光传输，并使用光感知残差模型重建剩余细节。 • 通过直接修改特定发丝的吸收系数，可以实现各种颜色效果 • 通过改变粗糙度参数，支持渲染不同的高光模式 官方宣传效果： No access 【AI 3D】【GroomLight】针对头发建模的重打光及混合逆向渲染方法250326 00:00 《干废一切图像工作流！告诉你 GPT 4o 图片生成真正强大的地方》 • 可以处理多达10 20个不同的对象的细节表现 局限性： • GPT 4o在处理复杂图像或非拉丁语言时可能存在准确性问题。 • 图像生成可能导致的误导性内容。 • 太细节的图像，在编辑图像生成内容时，可能会引入错误或改变图像的其他部分，这可能会影响图像的准确性。 • 对于长图像，会出现剪裁问题。 使用： • 作为 ChatGPT 中的默认图像生成器向 Plus、Pro、Team 和 Free 用户推出 • API预计在预计在未来几周内推出。 更多妙用推荐阅读：《干废一切图像工作流！告诉你 GPT 4o 图片生成真正强大的地方》 《干废一切图像工作流！告诉你 GPT 4o 图片生成真正强大的地方》 谷歌：发布Gemini 2.5 Pro Experimental 模型 Gemini 2.5是Google DeepMind 推出的最新AI模型（思考模型），Gemini 2.5继承了Gemini模型的优势，包括原生多模态和长上下文窗口。其中Gemini 2.5 Pro Experimental是首个2.5版本，在多个基准测试中领先，并在LMArena上以显著优势排名第一。 • 2.5 Pro在编码性能方面取得了显著进步，擅长创建视觉吸引人的Web应用和代理代码应用 • 2.5 Pro配备了100万上下文窗口（即将推出200万），性能优于前一代。 • 2.5 Pro能够处理来自不同信息源（包括文本、音频、图像、视频和整个代码库）的复杂问题。 使用： Gemini 2.5 Pro 现已在Google AI Studio中面向 Gemini Advanced 用户推出，并将很快在Vertex AI中推出。 🌟地址： https://blog.google/technology/google deepmind/gemini model thinking updates march 2025/ building on best gemini 🤖️AI 音乐 昆仑万维：发布全球首款音乐推理大模型Mureka O1 昆仑万维正式发布Mureka O1模型与Mureka V6模型。两者皆支持多元化的音乐创作风格及情感表达，同时具有歌曲参考及音色克隆的能力。登录 Mureka（www.mureka.ai），可体验V6&O1模型。 根据官方介绍，Mureka O1作为全球首款音乐推理大模型，性能超越Suno、模型登顶SOTA 根据官方介绍，Mureka O1作为全球首款音乐推理大模型，性能超越Suno、模型登顶SOTA Mureka V6 当前Mureka的基座模型，支持纯音乐生成，还支持10种语言的AI音乐创作，包括英语、中文、日语、韩语、法语、西班牙语、葡萄牙语、德语、意大利语和俄语。该版本声场更加开阔，人声质感和混音设计进一步强化。同步开放基于Mureka V6的模型微调服务。 Mureka O1 模型是基于Mureka V6思维链的推理优化版本，也是全球范围内首个引入CoT的音乐模型，在推理过程中加入思考与自我批判，大幅提升音乐品质、音乐创作效率和灵活性。 其他： Mureka同步开放语音合成API——Mureka TTS 面向企业和开发者，Mureka同时开放API服务，包括音乐音频生成API，语音合成API· 🌟地址： www.mureka.ai www.mureka.ai 🤖️AI 视频 混元 Portrait：音频视频驱动图片肖像形成动画 HunyuanPortrait是一个基于扩散模型的条件控制方法，用于增强肖像动画。它通过使用隐式表示来编码运动信息，并将其作为动画阶段的控制信号，实现了对肖像动画的高度可控性和逼真度。该方法通过单个肖像图像作为外观参考，并使用视频片段作为驱动模板，通过视频中的面部表情和头部姿态来动画化参考图像中的角色。 HunyuanPortrait表现出强大的泛化能力，能够有效地在不同图像风格下分离外观和运动。 官方宣传效果： No access 混元 00:00 No access 混元 00:00 🌟地址： https://kkakkkka.github.io/HunyuanPortrait/ PP VCtrl：新可控制视频生成模型 PP VCtrl 是一个通用的视频生成控制模型，通过引入辅助条件编码器，能够灵活对接各类控制模块，并且在不改变原始生成器的前提下避免了大规模重训练。 PP VCtrl 可广泛应用于人物动画、场景转换、视频编辑等视频生成场景。 技术对源视频提取视频控制序列（边缘，蒙版，姿态）。然后利用ControlNet重新制作视频首帧。将视频控制序列和重新制作的视频首帧输入PP VCtrl I2V中生成新的视频。 源代码和预训练模型公开可用。 官方宣传效果： No access 【AI视频】【PP VCtrl】新的可控制视频生成模型250326 00:00 No access 【AI视频】【PP VCtrl】新的可控制视频生成模型250326 00:00 🌟地址： https://pp vctrl.github.io/ 🤖️AI 3D Vibe Draw:草图进行3D建模 Vibe Draw是一款创新的3D创作应用，旨在让用户通过简单的手绘草图就能轻松创建高质量的3D模型。该软件的核心功能是将用户在无限2D画布上的自由草图转换为逼真的3D对象，并允许用户将这些3D模型添加到无限3D世界中，构建沉浸式场景。 该技术是用了： Gemini Flash 2.0 Experimental：将草图转换为详细的绘图 Claude Sonnet 3.7：用于有效地提示Three.js使用图像和文本，动态生成准确的3D模型。 Cerebras Llama 3.3 70B：用于快速从复杂的Three.js场景中提取单个对象代码，允许一键导入3D世界。 官方宣传效果： No access 【AI视频】【PP VCtrl】新的可控制视频生成模型250326 00:00 No access 【AI视频】【PP VCtrl】新的可控制视频生成模型250326 00:00 🌟地址： https://devpost.com/software/vibe draw GroomLight：用于重打光的人体头发外观建模的混合逆向渲染 GroomLight是一个用于从多视角图像中进行可重照明头发外观建模的新方法。 该项目结合了分析材料模型和神经渲染方法的优点，通过扩展的头发BSDF模型捕捉主要光传输，并使用光感知残差模型重建剩余细节。 • 通过直接修改特定发丝的吸收系数，可以实现各种颜色效果 • 通过改变粗糙度参数，支持渲染不同的高光模式 官方宣传效果： No access 【AI 3D】【GroomLight】针对头发建模的重打光及混合逆向渲染方法250326 00:00 No access 【AI 3D】【GroomLight】针对头发建模的重打光及混合逆向渲染方法250326 00:00 🌟地址： https://syntec research.github.io/GroomLight/ PhysTwin：通过视频创建交互式物理数字孪生 PhysTwin用于从视频重建和模拟可变形物体的创新框架。它通过结合物理信息表示和基于优化的逆建模，能够生成逼真的实时交互式虚拟副本。主要特点包括： 1. 物理信息表示：结合弹簧 质量模型进行物理模拟，生成形状模型进行几何处理，以及高斯斑点进行渲染。 2. 多阶段优化逆建模：重建完整几何，推断密集物理属性，并从视频中复制真实外观。 3. 高保真重建：即使从部分、遮挡和有限视角也能实现。 4. 支持多种可变形物体建模，如绳索、填充动物、布料和包裹等。 No access 【AI 3D】【PhysTwin】通过视频创建交互式物理数字孪生 250326 00:00 No access 【AI 3D】【PhysTwin】通过视频创建交互式物理数字孪生 250326 00:00 🌟地址： https://jianghanxiao.github.io/phystwin web/ 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26日 AI资讯 【AI 模型及应用】 • OpenAI：推出GPT 4o图像生成能力 • 谷歌：发布Gemini 2.5 Pro Experimental 模型 • Trea：已内置DeepSeek V3 0324 【AI 音乐】 • 昆仑万维：发布全球首款音乐推理大模型Mureka O1 【AI 视频】 • 混元 Portrait：音频视频驱动图片肖像形成动画 • PP VCtrl：新可控制视频生成模型 【AI 3D】 • Vibe Draw:草图进行3D建模 • PhysTwin：通过视频创建交互式物理数字孪生 • GroomLight：用于重打光的人体头发外观建模的混合逆向渲染 3月26日 AI资讯 【AI 模型及应用】 • OpenAI：推出GPT 4o图像生成能力 • 谷歌：发布Gemini 2.5 Pro Experimental 模型 • Trea：已内置DeepSeek V3 0324 【AI 音乐】 • 昆仑万维：发布全球首款音乐推理大模型Mureka O1 【AI 视频】 • 混元 Portrait：音频视频驱动图片肖像形成动画 • PP VCtrl：新可控制视频生成模型 【AI 3D】 • Vibe Draw:草图进行3D建模 • PhysTwin：通过视频创建交互式物理数字孪生 • GroomLight：用于重打光的人体头发外观建模的混合逆向渲染 🤖️AI 模型 OpenAI：推出GPT 4o图像生成能力 OpenAI推出的GPT 4o图像生成功能，旨在提供更精确、准确和逼真的图像输出。 • 能够准确呈现文本，并严格遵循提示词 • 利用GPT 4o的知识内容和聊天上下文作为生图的参考来源。 • 支持在多轮对话中逐步调整图片内容和风格