音频生成
音频,audio
谷歌Gemini 1.5深夜爆炸上线，史诗级多模态硬刚GPT-5！最强MoE首破100万极限上下文纪录
谷歌DeepMind近日发布了新一代多模态大模型——Gemini 1.5系列。Gemini 1.5 Pro是谷歌最强的MoE大模型，最高可支持10,000K token超长上下文。Gemini 1.5 Pro在...
文生音频新贵融资5亿，半年估值涨10倍，2年跑出一个AI独角兽！
步骤2：摘要总结新智元报道了AI初创公司ElevenLabs宣布获得8000万美元的B轮融资，估值超过10亿美元，成为独角兽之一。该公司由前Google机器学习工程师和前Pal...
【AI视频工具】谷歌的VideoPoet，基于大型语言模型（LLM），零样本生成视频，值得期待
文章主要介绍了谷歌的AI视频生成模型VideoPoet的最新研究成果。VideoPoet是一个大型语言模型（LLM），用于零样本视频生成，能够执行多种视频生成任务，包括文...
我尝试了谷歌Bard的新AI图像生成器，结果如何呢？
谷歌的对话式AI工具Bard即将迎来一周年纪念，并进行了新的升级。Bard最初因回答不够贴近人类而落后，后来引入了Gemini AI模型，使其学习范围从文本扩展到视频...
h2oGPT：你的GPT 私人智能文档助手与聊天伙伴， 100% 私密。
h2oGPT 是一个基于Apache V2协议的开源项目，旨在提供一个100%私密的文档和图像问答、摘要以及与本地GPT模型的聊天体验。以下是h2oGPT的核心功能：1. 私人文...
Amphion：最全能的开源AI音频项目，在音频商业化方面有极大的帮助
Amphion是一个面向音频、音乐和语音生成的工具包，旨在支持可复制研究，并帮助初级研究人员和工程师进入音频、音乐和语音生成领域。它提供了多种功能，包括TT...
谷歌掀桌子了，重大AI 更新ImageFX、MusicFX和TextFX 三箭齐发
在2月初，谷歌发布了全新的AI生成工具，包括ImageFX、MusicFX和TextFX。其中，ImageFX基于DeepMind的文生成图技术Image2，支持高分辨率图片和创意性强，最大...
大语言模型 vs 大模型
本文主要介绍了大模型的概念、分类以及与大语言模型的关系。大模型是基于神经网络的一种模型，由多个神经元组成，通过权重连接形成层次结构。神经网络通过学...
OpenAI 危险了？Gemini 和 GPT4 比较，谁强，只需两张图秒懂；Gemini 天生多模态，很可能是不一样的技术路线
Gemini 和 GPT-4 是两种人工智能模型，Gemini 天生多模态，而 GPT-4 是靠多功能的拼装。 Gemini 在多个测试中得分均高于 GPT-4，包括一般性测试、复杂任务集...
GPT-5已成功浏览并理解所有人类的视频内容！
文章总结得很好。以下是对文章中重要词语和语句的标记：第一部分介绍了GPT-5的发布计划和其训练阶段的进展。GPT-5被揣测为即将发布的新模型，已经完成了训练...
