相信很多大家對AI日報(bào)：阿里開源文檔模型DocOwl 1.5；Midjourney圖像編輯器新功能下周上線；Viggle AI推對口型功能還不知道吧，今天菲菲就帶你們一起去了解一下~.~！

歡迎來到【AI日報(bào)】欄目!這里是你每天探索人工智能世界的指南，每天我們?yōu)槟愠尸F(xiàn)AI領(lǐng)域的熱點(diǎn)內(nèi)容，聚焦開發(fā)者，助你洞悉技術(shù)趨勢、了解創(chuàng)新AI產(chǎn)品應(yīng)用。

新鮮AI產(chǎn)品點(diǎn)擊了解:https://top.aibase.com/

1、表格、圖表統(tǒng)統(tǒng)拿下!阿里達(dá)摩院開源DocOwl1.5無需OCR，高效“讀懂”文檔!

阿里巴巴達(dá)摩院與中國人民大學(xué)聯(lián)合開源了mPLUG-DocOwl1.5文檔處理模型，無需OCR即可理解文檔內(nèi)容，在多個(gè)視覺文檔理解基準(zhǔn)測試中表現(xiàn)領(lǐng)先。該模型強(qiáng)調(diào)結(jié)構(gòu)信息的重要性，提出“統(tǒng)一結(jié)構(gòu)學(xué)習(xí)”來提升MLLM性能。

2、Midjourney圖像編輯器新功能下周上線

Midjourney的創(chuàng)始人David Holz宣布，一款全新的圖像編輯器即將上線，該編輯器利用上傳圖像的深度信息生成新圖片，保留原始構(gòu)圖和內(nèi)容的同時(shí)徹底改變紋理、顏色和細(xì)節(jié)。這一創(chuàng)新提升了用戶創(chuàng)作自由度，為設(shè)計(jì)師和藝術(shù)家提供強(qiáng)大工具。Midjourney通過AI技術(shù)不斷優(yōu)化圖像生成質(zhì)量，最新v6.1模型進(jìn)一步提升圖像清晰度和準(zhǔn)確性。新圖像編輯器的加入將拓寬AI在創(chuàng)意領(lǐng)域的應(yīng)用，預(yù)示著Midjourney在圖像編輯工具方面的重大進(jìn)步。

3、Viggle AI再推新功能 可通過錄制聲音讓角色說話

Viggle AI推出了令人興奮的新功能，用戶可以通過錄制聲音讓角色說話并實(shí)現(xiàn)口型同步。這項(xiàng)創(chuàng)新技術(shù)讓用戶完全控制角色的表現(xiàn)方式，無論是唱歌還是跳舞，都能輕松實(shí)現(xiàn)。Viggle應(yīng)用程序以其創(chuàng)新性在社交媒體上引起了廣泛關(guān)注，利用先進(jìn)的JST-1視頻3D基礎(chǔ)模型，用戶可以輕松創(chuàng)造和混合視頻內(nèi)容。

4、即使是頂尖AI模型也難以應(yīng)對復(fù)雜旅行規(guī)劃，OpenAI o1-preview也犯難

最新研究表明，即使是先進(jìn)的AI語言模型，如OpenAI最新的o1-preview，在復(fù)雜的規(guī)劃任務(wù)中也面臨挑戰(zhàn)。研究發(fā)現(xiàn)模型在整合規(guī)則和條件方面表現(xiàn)不佳，且隨規(guī)劃時(shí)間增加會逐漸失去對問題的關(guān)注。盡管一些模型在BlocksWorld中表現(xiàn)尚可，但在更復(fù)雜的TravelPlanner任務(wù)中表現(xiàn)不佳。

5、開源工具Vulnhuntr可發(fā)現(xiàn)Python零日漏洞，巧妙利用Claude AI

Protect AI公司推出的Vulnhuntr工具利用Claude AI幫助開發(fā)者發(fā)現(xiàn)Python代碼中的零日漏洞。該工具與傳統(tǒng)靜態(tài)分析不同，能夠追蹤用戶輸入到服務(wù)器輸出的完整調(diào)用鏈，提高漏洞檢測準(zhǔn)確性。Vulnhuntr已在多個(gè)大型開源項(xiàng)目中發(fā)現(xiàn)零日漏洞，即將在GitHub上發(fā)布供開發(fā)者使用。

6、字節(jié)跳動回應(yīng)“實(shí)習(xí)生破壞大模型訓(xùn)練”:未影響正式商業(yè)項(xiàng)目

字節(jié)跳動近期針對實(shí)習(xí)生破壞大模型訓(xùn)練的傳聞進(jìn)行了官方回應(yīng)，確認(rèn)實(shí)習(xí)生惡意干擾研究項(xiàng)目模型訓(xùn)練，但未影響正式商業(yè)項(xiàng)目和線上業(yè)務(wù)。公司指出傳聞嚴(yán)重夸大，已辭退實(shí)習(xí)生并通報(bào)相關(guān)機(jī)構(gòu)。事件暴露安全管理問題，公司計(jì)劃大力投資AI技術(shù)。

7、Meta最新黑科技SPIRIT-LM:能說會寫還能懂你的情緒，這個(gè) AI 語言模型有點(diǎn)強(qiáng)!

SPIRIT-LM 是一款具有革命性意義的多模態(tài)基礎(chǔ)語言模型，能夠自由混合文本和語音，理解和表達(dá)情感。它結(jié)合了文本模型的語義能力和語音模型的表達(dá)能力，完成跨模態(tài)任務(wù)，只需少量樣本即可學(xué)習(xí)新任務(wù)。SPIRIT-LM-EXPRESSIVE在情感表達(dá)方面優(yōu)于基礎(chǔ)版，開創(chuàng)了多模態(tài)語言理解和生成的新可能性。

8、顛覆 Stable Diffusion!智源重磅發(fā)布 Emu3，圖像、文本、視頻全拿下!

Emu3團(tuán)隊(duì)發(fā)布了一套全新的多模態(tài)模型Emu3，顛覆了傳統(tǒng)的擴(kuò)散模型和組合模型架構(gòu)，在生成和感知任務(wù)上取得了最先進(jìn)的性能。該模型基于下一個(gè)token預(yù)測進(jìn)行訓(xùn)練，實(shí)現(xiàn)了多模態(tài)任務(wù)的統(tǒng)一，超越了特定任務(wù)模型，甚至旗艦?zāi)Ｐ?。Emu3的成功為多模態(tài)模型的未來發(fā)展指明了方向，也為實(shí)現(xiàn)AGI帶來了新的希望。

9、Perplexity AI 尋求90億美元估值

Perplexity AI 宣布在新一輪融資中希望將估值提升至90億美元，當(dāng)前估值為30億美元。公司面臨抄襲指控，但堅(jiān)決否認(rèn)。在激烈市場競爭中努力提升技術(shù)和服務(wù)水平。

10、前OpenAI CTO重磅打造新AI公司，融資目標(biāo)高達(dá)1億美元

Mira Murati正籌集超過1億美元的風(fēng)險(xiǎn)投資，準(zhǔn)備創(chuàng)辦新的AI創(chuàng)業(yè)公司。她離開OpenAI希望進(jìn)行個(gè)人探索，而OpenAI在她離職后籌集了創(chuàng)紀(jì)錄的66億美元風(fēng)險(xiǎn)投資。期待Murati的新公司未來發(fā)展。

11、蘋果AI發(fā)展滯后兩年，計(jì)劃未來兩年全線設(shè)備引入Apple Intelligence

在今年的WWDC大會上，蘋果展示了AI新特性，但分析師稱蘋果在AI技術(shù)發(fā)展上落后競爭對手約兩年。蘋果計(jì)劃未來兩年在所有帶屏設(shè)備上推出“Apple Intelligence”功能，盡管起步較晚，但有信心迎頭趕上。

12、北京市新增12款生成式AI服務(wù)備案，累計(jì)達(dá)94款

北京市最近新增了12款生成式人工智能服務(wù)備案，使得累計(jì)備案數(shù)量達(dá)到了94款，為用戶帶來更多選擇與便利。已上線的AI應(yīng)用需公示備案情況，包括模型名稱和備案編號。本次新增備案名單中包括快手科技公司的可靈AI和昆侖萬維科技股份有限公司的天工圖像。

以上就是關(guān)于【AI日報(bào)：阿里開源文檔模型DocOwl 1.5；Midjourney圖像編輯器新功能下周上線；Viggle AI推對口型功能】的相關(guān)內(nèi)容，希望對大家有幫助！

　　免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財(cái)經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險(xiǎn)自擔(dān)。 如有侵權(quán)請聯(lián)系刪除！