标签：文本

点击上方蓝字关注我们“OpenAI最新发布的ChatGPT语音朗读功能，这项功能不仅让用户通过语音交流，还能将文本转化为清晰流畅的语音，为自媒体创作者带来了便捷...

新智元报道编辑：LRS 好困 【新智元导读】研究人员证实了Visual Graph在图推理中的作用，以及其可以和文本模态相互增强。图神经网络（GNNs）擅长利用图的结构...

机器之心报道 机器之心编辑部最近，OpenAI 的视频生成模型 Sora 爆火，生成式 AI 模型在多模态方面的能力再次引起广泛关注。 现实世界本质上是多模态的，生物...

新智元报道编辑：桃子 【新智元导读】GPT早已成为大模型时代的基础。国外一位开发者发布了一篇实践指南，仅用60行代码构建GPT。60行代码，从头开始构建GPT？ ...

机器之心报道 机器之心编辑部一篇论文回顾 Sora 文生视频技术的背景、技术和应用。 追赶 Sora，成为了很多科技公司当下阶段的新目标。研究者们好奇的是：Sora...

智猩猩和智东西发起主办的2024中国生成式AI大会将于4月18-19日在北京举办。主会场将进行开幕式、大模型专场、AI Infra专场和AIGC应用专场；分会场将进行具身...

智猩猩和智东西发起主办的2024中国生成式AI大会将于4月18-19日在北京举办。主会场将进行开幕式、大模型专场、AI Infra专场和AIGC应用专场；分会场将进行具身...

夕小瑶科技说 原创作者 | 芒果 引言：多模态语言模型新篇章在人工智能领域，多模态语言模型的发展正迎来新的篇章。传统的大型语言模型（LLM）在理解和生成人...

新智元报道编辑：桃子 【新智元导读】谷歌团队推出「通用视觉编码器」VideoPrism，在3600万高质量视频字幕对和5.82亿个视频剪辑的数据集上完成了训练，性能刷...

新智元报道编辑：编辑部 【新智元导读】谷歌Research Lead，负责VideoPoet项目的蒋路，即将加入TikTok，负责视频生成AI的开发。谷歌VideoPoet项目Research Le...

机器之心专栏 机器之心编辑部为了使机器具有人类的想象力，深度生成模型取得了重大进展。这些模型能创造逼真的样本，尤其是扩散模型，在多个领域表现出色。扩...

夕小瑶科技说 原创作者 | 芒果、Python引言：多模态大语言模型的幻觉问题及其重要性在人工智能领域，多模态大语言模型（MLLMs）已经取得了显著的进步，它们在...

新智元报道编辑：润 好困 【新智元导读】Gemini 1.5的真实水平到底怎么样，从谷歌那里获得试用资格的大佬们，给大家进行了一波极限测试。让我们看看谷歌最新...

鱼羊 发自 凹非寺量子位 | 公众号 QbitAI大神Karpathy从OpenAI离职，原本扬言要大休一周。 但转眼，新项目就已上线GitHub，日增上千星的那种。 还是熟悉的卡...

克雷西 发自 凹非寺量子位 | 公众号 QbitAI今日GitHub热榜榜首，是最新的开源世界模型。 上下文窗口长度达到了100万token，持平了谷歌同时推出的王炸Gemini 1...