音频生成
音频,audio
8 人团队的开源多模态：Moshi，效果堪比 GPT-4o，合成数据立功
法国非营利性AI研究机构Kyutai开发了一个名为Moshi的实时语音多模态模型，该模型具备听、说、看的能力，能够理解带有法国口音的英语。Moshi可以流畅地进行日...
成立半年就敢踢馆 OpenAI ，首个开源模型不输 GPT-4o，LeCun 、PyTorch 之父齐声叫好！
Kyutai，一个由8人组成的非营利性AI研究实验室，在短短6个月内开发出了一种名为'Moshi'的实时原生多模态基础AI模型。Moshi能够表达70多种情绪，以不同风格说...
钛媒体AGI对话MiniMax创始人闫俊杰：至少三年后才会出现“杀手级”AI应用｜直击WAIC 2024
他指出，尽管国内许多公司正在追赶ChatGPT，但目前模型的错误率在60%-70%，远高于GPT-4的30%-40%。因此，降低大模型的错误率是核心问题，而提高训练效率、研...
中国生成式AI专利38,000个，是美国6倍、超过全球总和！
联合国于2024年7月4日发布的深度调查报告揭示了中国在生成式人工智能（AIGC）领域的显著领先。2014至2023年间，中国申请的AIGC专利数量高达38,210项，是美国...
8人半年肝出开源版GPT-4o，0延迟演示全网沸腾！背后技术揭秘，人人免费用
法国AI实验室kyutai近日发布了一款名为Moshi的实时原生多模态AI模型，该模型在演示中展示了接近GPT-4o水平的性能，引起了广泛关注和AI界大佬的转发。Moshi的...
央视点赞国产AI复活召唤术，兵马俑竟与宝石老舅对唱Rap？
阿里巴巴通义实验室开发的EMO技术，通过一张图片和一段音频，能够生成与音频同步的生动视频。这项技术在央视《2024中国·AI盛典》中成功'复活'了北宋文学家苏...
互联网巨头，如何合法地「偷」你的数据训练 AI？
互联网大厂们已经开始合法地使用用户数据进行AI训练。随着AI竞赛的加剧，科技公司需要大量数据来训练模型，当普通数据挖掘殆尽时，用户个人内容成为了新的数...
华为、腾讯开源AniPortrait：用音频、图片生成会说话的视频
华为和腾讯的研究人员联合开发了一种创新的视频模型AniPortrait，该模型能够通过音频和人物图片自动生成与音频同步的视频。AniPortrait的核心框架分为两大块...
价格战、大厂裁员、模型“翻车”……Q2 的AI 圈子可一点都不无聊
2023年第二季度，人工智能领域经历了一系列重要事件和发展，包括新模型的发布、公司裁员、成功上市以及产品争议等。以下是本季度AI领域的主要亮点：1. Meta发...
旷视开源的AI人像视频生成太炸了！输入照片即可模仿任意表情包
旷视科技近期推出了一款名为MegActor的开源AI人像视频生成框架，该框架允许用户通过输入一张静态肖像图片和一段视频，生成表情丰富、动作一致的AI人像视频。M...
