相信很多大家對AI日報：AutoGLM智能體可自動幫點外賣；敏神重磅更新Flux版ic-light模型；字節(jié)跳動PersonaTalk讓AI精準配音還不知道吧，今天菲菲就帶你們一起去了解一下~.~！

歡迎來到【AI日報】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領域的熱點內容，聚焦開發(fā)者，助你洞悉技術趨勢、了解創(chuàng)新AI產品應用。

新鮮AI產品點擊了解:https://top.aibase.com/

1、智譜AI推出AutoGLM智能體:輸入指令即可模擬人類操作手機

智譜技術團隊最近推出了基于GLM技術團隊研究成果的新產品AutoGLM，這是一個智能體，能夠模擬人類操作手機執(zhí)行各種任務。AutoGLM的推出標志著人工智能在“Phone Use”領域的進步，使得AI的應用更貼近人們的日常生活。

2、敏神重磅更新Flux版ic-light模型:16通道VAE突破性能，細節(jié)保留能力驚人!

IC-Light V2基于Flux架構橫空出世，帶來革命性圖像處理突破。16通道VAE和高分辨率特性讓其在細節(jié)保留和精準度方面達到新高度，展現(xiàn)出色的適應性。

3、告別配音演員?字節(jié)跳動PersonaTalk讓AI精準配音，連表情細節(jié)都完美還原!

字節(jié)跳動最新開發(fā)的PersonaTalk AI模型實現(xiàn)了視頻精準配音，聲音與嘴型完美同步，保留人物原有特點，讓視頻更真實自然。該模型采用注意力機制的兩階段框架，具有高度個性化的配音效果和優(yōu)秀的視覺質量。然而，在處理非人類化身和大幅度面部姿勢時仍有局限性。字節(jié)跳動計劃限制核心模型訪問權限，防止技術濫用。

4、Meta開源長視頻LLM項目LongVU:可過濾重復幀 高效精準理解長視頻內容

Meta AI團隊推出了LongVU，一種新型的時空自適應壓縮機制，旨在提升長視頻的語言理解能力。該技術利用DINOv2特征剔除冗余幀，通過跨模態(tài)查詢實現(xiàn)特征選擇性壓縮，在各種視頻理解基準測試中表現(xiàn)優(yōu)異，尤其在長視頻理解任務中超越其他方法。長視頻內容的快速增長需要更加高效的處理方式，LongVU的推出為多模態(tài)理解領域帶來新的可能性。

5、AI拿鐵來了!谷歌Gemini AI提供支持，但配方看起來有點黑暗

在菲律賓馬尼拉，Commune與谷歌菲律賓合作推出了AI輔助的Bibingka拿鐵，融合傳統(tǒng)節(jié)日美食風味，展現(xiàn)現(xiàn)代飲品創(chuàng)新的可能性。這種創(chuàng)新飲品讓人感受濃厚的節(jié)日氛圍，喚起對傳統(tǒng)美食的懷念，吸引咖啡愛好者的目光。

6、擺脫人工標注魔咒!字節(jié)跳動MaskGCT模型用10萬小時數(shù)據，教會AI自己說話

字節(jié)跳動發(fā)布了名為MaskGCT的全新語音合成（TTS）模型，徹底顛覆了傳統(tǒng)TTS模型的玩法，實現(xiàn)了自學成才，不再依賴人工標注。該模型采用了掩碼生成式編解碼器Transformer的架構，讓AI能靈活控制語音時長，達到了高質量、相似度和韻律的語音合成效果。

7、Meta推出NotebookLM開源版“NotebookLlama”

Meta最近推出了名為NotebookLlama的新工具，是谷歌NotebookLM中備受歡迎的生成播客功能的開源版。雖然NotebookLlama能將用戶上傳的文件轉化為互動式的播客風格摘要，但目前生成的聲音質量較低，存在機械感和聲音重疊問題。AI生成的播客仍可能含有虛假信息，這是所有AI項目普遍存在的挑戰(zhàn)。

8、AI語音轉錄工具Whisper被曝存在嚴重“幻覺”

最近，OpenAI的Whisper技術驅動的AI轉錄工具在醫(yī)療行業(yè)廣受歡迎，但研究發(fā)現(xiàn)在約1%的轉錄中會出現(xiàn)“幻覺”現(xiàn)象，甚至編造內容。OpenAI表示正在努力改善工具性能，特別是減少幻覺現(xiàn)象。

9、谷歌開發(fā)AI工具“Project Jarvis”，輕松操控你的電腦和瀏覽器!

谷歌最新研發(fā)的AI工具“Project Jarvis”將改變人們與電腦的互動方式，讓AI應用變得更加簡單和便利。用戶只需輸入簡單命令，AI即可自動完成各種在線任務，降低了使用門檻。然而，隱私和安全問題也需引起關注，谷歌需要加強保障措施以保護用戶數(shù)據安全。

10、蘋果新AI系統(tǒng)Ferret-UI2刷新UI交互體驗

蘋果公司發(fā)布的新一代人工智能系統(tǒng)Ferret-UI2在UI元素識別方面取得重大突破，展現(xiàn)出卓越的性能表現(xiàn)。該系統(tǒng)最大特點在于智能理解用戶意圖，實現(xiàn)自然語言指令操作。技術架構自適應多平臺，提供智能算法調整圖像分辨率，保證運算效率。競爭激烈的UI交互AI領域，蘋果的CAMPHOR框架增強了系統(tǒng)處理復雜任務能力，展望智能人機交互未來。

11、Cohere推出首個圖文一體化搜索模型Embed3

Cohere公司最新推出的Embed3搜索模型實現(xiàn)了圖像搜索與文本檢索的無縫集成，為企業(yè)帶來了革命性變革。新系統(tǒng)采用統(tǒng)一存儲架構解決了維護多個獨立數(shù)據庫的問題，支持主流圖片格式并將商業(yè)數(shù)據轉換為向量表示，大幅提升了檢索效率。更新后的模型支持超過100種語言，具備強大的跨平臺兼容性。

12、GPT-4超越人類分析師，財務預測準確率達到60%

這篇文章介紹了芝加哥大學布斯商學院的研究結果，表明OpenAI的GPT-4在財務分析和預測方面超越了人類分析師，準確率達到60%。研究采用了名為“思維鏈”的提示方式，指導GPT-4識別財務趨勢，展現(xiàn)出穩(wěn)健的分析能力。應用GPT-4的交易策略取得了顯著的市場超越和高額收益，為未來投資者帶來新的盈利潛力。這項研究為生成式AI在金融領域的應用指明了方向，預示著金融行業(yè)可能迎來全新的變革。

13、自動駕駛也要玩“元宇宙”?極佳科技用AI腦補，讓4D場景重建更絲滑!

極佳科技推出的DriveDreamer4D框架利用世界模型的先驗知識提升4D駕駛場景重建效果，解決傳統(tǒng)方法在復雜路況下容易翻車的問題。實驗證明DriveDreamer4D在處理復雜路況時效果優(yōu)于傳統(tǒng)方法，提高重建圖像保真度和準確性。雖然仍處于研究階段，但未來有望成為自動駕駛領域不可或缺的一部分。

14、小米15內存標配升級，端側AI對內存要求更高

隨著人工智能時代的全面到來，智能手機硬件配置正在經歷革命。小米15系列取消8GB內存版本，轉為12GB內存標準配置，反映移動終端AI發(fā)展新方向。硬件規(guī)格升級帶來更優(yōu)秀顯示效果和更高續(xù)航能力。小米發(fā)布會展示16款新品，深度布局人車家全生態(tài)戰(zhàn)略。消費者選購新機建議選擇更大內存版本適應未來AI應用普及，注意不同品牌內存定價差異。

以上就是關于【AI日報：AutoGLM智能體可自動幫點外賣；敏神重磅更新Flux版ic-light模型；字節(jié)跳動PersonaTalk讓AI精準配音】的相關內容，希望對大家有幫助！

　　免責聲明：本文由用戶上傳，與本網站立場無關。財經信息僅供讀者參考，并不構成投資建議。投資者據此操作，風險自擔。 如有侵權請聯(lián)系刪除！