标签：音频

机器之心报道编辑：Panda W最近，有人在社交媒体上发布了一张有关 GPT4.5 更新的截图。图中内容显示，和 GPT 系列之前推出的模型相比，GPT4.5 最大的惊喜可能...

新智元报道编辑：润 好困【新智元导读】最近，来自南大等机构的研究人员开发了一个通用的框架，用一段音频就能让照片上的头像讲多国语言。不论是头部动作还是...

新智元报道编辑：编辑部【新智元导读】传说中的Gemini，终于在今天深夜上线了！「原生多模态」架构，是谷歌的史诗级创举，Gemini也如愿在多个领域超越了GPT-4...

机器之心报道机器之心编辑部性能优于规模更大的模型。多模态学习面临的主要挑战之一是需要融合文本、音频、视频等异构的模态，多模态模型需要组合不同来源的...

机器之心报道编辑：Panda、陈萍差不多已经掌握语言能力的大模型正在进军视觉领域，但具有里程碑意义的 GPT-4V 也仍有诸多不足之处，参阅《》。近日，微软 Azu...

新智元报道编辑：LRS【新智元导读】ACM MM 2023上中国团队获三项大奖，多媒体领域再获新突破。近日，2023 ACM MultiMedia会议落下帷幕，中国大陆团队在这次国...

【导读】第31届ACM国际多媒体会议（ACM MM）于2023年10月29日至11月2日加拿大渥太华举行。最佳论文，最佳学生论文，最佳demo， 最佳开源软件在内的所有多媒体...

夕小瑶科技说 原创作者 | 王二狗马斯克旗下公司 xAI 的第一款AI模型曝光！名为：Grōk ，有望成为ChatGPT最强竞品！Grōk是什么意思呢？二狗我问了一下GPT-4：G...

机器之心报道编辑：张倩模型小了，幻觉还减轻了。前段时间，「霉霉大秀中文」的视频在各个社交媒体走红，随后又出现了「郭德纲大秀英语」等类似视频。这些视...

Suno Ai工具介绍：Suno是一家专门从文本生成AI音频的美国创业公司。该公司最近推出了最新的文本到歌曲模型Chirp v1，它可以根据风格和歌词生成音乐，包括人声...

无线胜有线传输是关键智能手机的 Hi-Fi 就像燎原的野火一般，从智能手机的草原上匆匆掠过，烧得猛烈，也落得悲凉。如果要寻求手机 Hi-Fi 突然走向下坡路的时...

Stability AI 是一家专注于开源 AI 模型的创业公司，其旗下的 Stable Diffusion 是如今最好的图片生成AI之一。9月14日，著名开源平台Stability AI在官网发布...

夕小瑶科技说 原创编辑 | 谢年年音频是我们日常生活中不可或缺的一部分，而如今，AI+音频带来了前所未有的体验。通过AI技术，只需简单地输入一些文本提示就可...