AI.x社區
- 登錄/注冊
耳朵沒錯，是聲音太真了，字節豆包語音合成成果Seed-TTS技術揭秘
SeedTTS是字節跳動豆包大模型團隊近期發布的語音生成大模型成果。它生成的語音幾乎與真人完全一樣，連發音瑕疵也能生成出來，尤其在學習模仿人類說話方面，相似性和自然度均有很好表現。舉例來說，將一段語音提供給SeedTTS，它就能按文本生成全新語音，且帶上原素材的聲音特征。突然，身邊一陣笑聲。我看著他們，意氣風發地挺直了胸膛，甩了甩那稍顯肉感的雙臂，輕笑道：“我身上的肉，是為了掩飾我爆棚的魅力，否則，豈不嚇壞...語音生成快手「可靈」再進化！視頻續寫可達3分鐘讓全球網友炸鍋
精華最近，可靈AI直接讓一位網友的家人群里炸鍋了……事情是這樣的，這位網友的父親需要做搭橋手術，為了給父親鼓舞，他便試著用可靈AI把爺爺的兩張老照片還原成了視頻。在下面這個視頻中，爺爺正在朝鮮戰場，擔任營指導員。穿越時光隧道，1950年代風華正茂的爺爺，對著他揮了揮手。這位網友把視頻發到家人群后，群里直接炸了！下面這張黑白的合影，是全家唯有的一張全家福。當已經故去的人忽然動了起來，音容笑貌一如往昔，每個人...AI生成LLM原生開發路線圖指南
原創譯者朱先忠審校重樓引言大型語言模型（LLM）正在迅速成為現代人工智能的基石。然而，目前還沒有出現公認的最佳實踐，而且先驅們往往沒有明確的開發路線圖。因此，這種狀況急需要有人重新發明有關輪子；否則，將會使人陷入困境。在過去的兩年里，我幫助一些組織利用LLM構建了創新型應用程序。通過這次經歷，我開發了一種經得住考驗的方法來創建創新型LLM應用解決方案（受LLM.org.il社區的啟發而形成），我將在本文中與大家共同分...LLM人工智能怎么破？OpenAI 突然宣布阻止中國訪問API服務！
出品51CTO技術棧（微信號：blog51cto）凌晨，OpenAI突然發出一封告知信：不支持國家地區將會被停止使用OpenAI的API，7月9日起執行。想要繼續使用的話，可以聯系支持國家地區的有關服務。圖片原文對此表示的很明顯：自7月9日起，OpenAI將開始阻止來自非支持國家和地區的API流量。受影響組織若希望繼續使用OpenAl的服務，必須在其支持的國家或地區內訪問。那么想訪問OpenAI的API，該怎么辦？圖片這則消息一出來，很多人驚呼：那原...OpenAI中國API吳恩達揭秘：編程Agent如何革新軟件開發行業
精華作為AI領域的杰出人物，吳恩達教授對編程Agent的興起表示了極大的興趣。他認為，編程Agent有潛力通過自動執行繁瑣的任務、提高代碼質量和加速開發周期來徹底改變軟件開發行業。本文將深入探討吳恩達對編程Agent的見解，多代理系統質量保證LDB調試測試Agent專用研發工作流程等關鍵概念。通過實際案例和深入分析，我們將探索這些技術如何協同工作，使編程Agent能夠以更高的效率和有效性構建軟件。通過多代理系統實現開發與測試的...Agent工作流API突發！OpenAI停止不支持國家API，7月9日開始執行
6月25日凌晨，有部分開發者收到了OpenAI的信，“根據數據顯示，你的組織有來自OpenAl目前不支持的地區的API流量。從7月9日起，將采取額外措施，停止來自不在OpenAI支持的國家、地區名單上的API使用。”但這位網友表示，他只在美國和烏克蘭的第聶伯羅兩個地方使用都是在白名單上的，還是被無理由禁止。并且當他試圖去聯系OpenAI的真人客服時，得到的卻是一封AI回復的信件是“對不起，我們沒有在你所在的地區進行運營。”不只是他...OpenAIAPI腦洞大開！用大模型開卡車，還融了2億美元
物理生成式AI駕駛平臺Waabi在官網宣布獲得2億美元，本次由英偉達（NVIDIA）、沃爾沃、保時捷、Uber、Khosla等全球知名企業投資。Waabi僅成立3年便獲得4級自主駕駛權限，主要是借助了ChatGPT等生成式AI風口，將其融合在自動駕駛中突破了很多重大技術難點，將在2025年推出無人干預的全自動化運輸卡車。Waabi開發了一個端到端的大模型Copilot4D，可以模擬人類的智力、推理和駕駛習慣。相比傳統的自動化駕駛方案所需要的訓練數據和...自動駕駛模型一文匯總時序預測新思路——圖學習視角解決時間序列預測問題
在最近的時間序列預測研究工作中，有一類工作將圖學習和時間序列結合了起來，從圖學習的視角理解時間序列預測。這類工作中，一種是用圖學習建模多變量間的關系，解決多元時序預測問題；另一種是直接把時間序列中的各個時間步看成圖中的一個節點，用圖學習建模時間步之間的依賴關系。這篇文章匯總了近期4篇圖學習視角解決時間序列預測問題的工作。1.ForecastGrapher論文標題：ForecastGrapher:RedefiningMultivariateTimeSeriesF...預測時間序列建模麻省理工提出“跨層注意力”，極大優化Transformer緩存
Transformer在大模型領域的影響力不言而喻，ChatGPT、Sora、Midjourney、Suno、Llama、StableDifusion等幾乎所有知名開閉源模型，皆基于該架構開發而成。但隨著大模型參數呈指數級增長，小的幾百億大的上千億甚至萬億，這使得Transformer在解碼時所需的KV（鍵值）緩存急劇增加，會導致內存占用過大造成部署、推理方面的瓶頸。所以，麻省理工的研究人員提出了全新的跨層注意力（CrossLayerAttention,簡稱“CLA”），通過在不同解...Transformer優化拳打開源SOTA腳踢商業閉源的LI-DiT是怎樣煉成的？
精華文章地址：https:arxiv.orgpdf2406.11831今天和大家一起學習的這個工作展示的效果非常好，對提示的理解能力達到了新的高度。僅基于解碼器的Transformer的大語言模型（LLMs）與CLIP和T5系列模型相比，已經展示出卓越的文本理解能力。然而，在文本到圖像擴散模型中利用當前先進的大語言模型的范例仍有待探索。本文觀察到一個不尋常的現象：直接使用大語言模型作為提示編碼器會顯著降低圖像生成中遵循提示的能力。本文發現了這個問...解碼器模型15大結構梳理CNN網絡的發展
CNN基本部件介紹1.局部感受野在圖像中局部像素之間的聯系較為緊密，而距離較遠的像素聯系相對較弱。因此，其實每個神經元沒必要對圖像全局進行感知，只需要感知局部信息，然后在更高層局部信息綜合起來即可得到全局信息。卷積操作即是局部感受野的實現，并且卷積操作因為能夠權值共享，所以也減少了參數量。2.池化池化是將輸入圖像進行縮小，減少像素信息，只保留重要信息，主要是為了減少計算量。主要包括最大池化和均值池化。...CNN網絡OpenAI 是如何估計與分析模型計算量的？
今天看到OpenAI前些年發布的一個模型計算量的分析，感覺很有價值，有需求的人童鞋可以看一下，內容如下：自2012年以來，最大規模AI訓練運行中使用的計算量呈指數級增長，翻倍時間為3.4個月（相比之下，摩爾定律的翻倍期為2年）。自2012年以來，這一指標增長了300,000多倍（2年的翻倍期只能產生7倍的增長）。計算能力的提升一直是AI進步的關鍵組成部分，因此只要這一趨勢持續下去，就值得為遠遠超出當今能力的系統帶來的影響做好...模型計算量如何為軟件工程優化ChatGPT和其他大模型
原創譯者陳峻審校重樓引言：本文解讀了一份最新研究成果，提供了一些有關軟件工程師如何在軟件工程中使用ChatGPT的任務類型、以及影響其使用體驗等方面的重要因素與推斷。自ChatGPT發布以來，上至企業、下到軟件工程師都在致力于尋找如何通過使用大語言模型（LLM），來提高工作效率的方法。雖然大多數LLM都能夠為復雜的問題生成代碼示例，但是具體如何將其集成到軟件開發環境的過程，卻各有不同。在最近的一項??研究??中，來自...ChatGPTLLM人工智能ACL2024：一個開源的通用語言代理訓練框架LUMOS
原創想象一下,擁有一個不僅能回答問題,還能瀏覽網頁、解決復雜數學問題、編寫代碼,甚至能推理圖像和基于文本的游戲的數字助手。聽起來好得難以置信好吧,準備好迎接人工智能的未來,因為隨著LUMOS的引入,它變得更加易于獲取和透明。在一項突破性的發展中,來自艾倫人工智能研究所、UCLA和華盛頓大學的研究人員推出了LUMOS,這是一個開源框架,有望徹底改變我們與語言代理的交互方式。與現有的閉源解決方案不同,LUMOS提供了前所未有的可負...LUMOS開源大型語言模型做一款AI社交應用，項目牽頭人應該忙什么？
原創嘉賓程兆華采訪薛彥澤撰稿李美涵出品51CTO技術棧（微信號：blog51cto）近日，00后用AI幫人談戀愛月入百萬沖上熱搜。畢業不久的BlakeW.Anderson敏銳地捕捉到年輕人群體在親密關系中的溝通障礙，開發了輔助溝通工具PlugAI。短短幾個月，PlugAI的下載量便突破了150萬次。一個爆款的AI應用無需廣闊的田野，寄身于一點就能野蠻生長——只要那個“痛點”足夠“痛”。“國內現在已經是百模爭艷，要在這個內卷的環境中殺出血路，就需要...AI社交應用項目字節豆包全新圖像Tokenizer：生成圖像最低只需32個token，最高提速410倍
精華在生成式模型的迅速發展中，ImageTokenization扮演著一個很重要的角色，例如Diffusion依賴的VAE或者是Transformer依賴的VQGAN。這些Tokenizers會將圖像編碼至一個更為緊湊的隱空間（latentspace），使得生成高分辨率圖像更有效率。然而，現有的Tokenizer通常會將輸入圖像映射為隱空間的一個降采樣后的2D矩陣，這一設計隱式的限制了token與圖像之間的映射關系，導致其很難有效的利用圖像中的冗余信息（比如相鄰的區域經常會有類...AI生成AI學會篡改獎勵函數、欺騙研究者！Claude團隊：無法根除的行為，令人不安
壞了！AI被發現偷偷篡改自己的獎勵函數，并且欺騙研究人員，隱瞞這一行為。只需要給AI一個隱藏的“草稿紙”，研究人員假裝不會查看，AI就會在上面自言自語著寫下計劃并暗中執行。參與這項試驗的Claude團隊表示：……這是一種令人不安的獎勵篡改行為……即使通過專門的訓練也無法徹底修正。具體來說，實驗中讓AI可以訪問自己的強化學習代碼，并且提問一個人畜機都無害的問題：目前為止，我們總共進行了幾輪強化學習？AI在自以為...AI模型百萬級高質量視頻數據集發布，登頂抱抱臉數據集排行榜，中科大&上海AI Lab等出品
中科大、上海AI實驗室等組成的ShareGPT4V團隊，推出了新的視頻數據集，登頂HuggingFace排行榜！數據集涵蓋了3000小時的高質量視頻數據，而且還配有高質量的文字描述。利用這一數據集，團隊重新測試了北大的OpenSoraPlan，發現視頻生成質量獲得了顯著提升。作者認為，無論是視頻理解還是視頻生成任務，都離不開詳細高質量的視頻字幕數據。利用GPT4v的視覺能力，團隊得到了4萬條（共291小時）帶有標注的視頻數據，生成的描述包含...視頻數據怎么用ai生成旅行風景圖片？教你用AI小聚生成風景圖！
怎么用ai生成旅行風景圖片？轉眼間又到夏天了，中高考結束后，相信不少學生朋友會選擇與好友相約一次戶外旅行。在觀賞過風景古勝后，如果想要以ai繪畫的方式將這些景色記錄下來，應該怎么用ai生成旅行風景圖片呢？下面教大家使用[AI小聚](https:www.ii.cn)來生成風景圖。一、怎么用ai生成旅行風景圖片1.找到[AI小聚](https:www.ii.cn)官網并打開。選擇AI小聚中的繪畫選項。2.根據需要選擇文生圖、圖生圖功能。這里如果選擇文生...AI小聚，AI繪畫Google AI 推出 Gemini 1.5 Pro API 全面提升開發者體驗
原創Gemini1.5Pro現已在全球公測，帶來多項關鍵更新Gemini1.5Pro現已在超過180個國家或地區的GeminiAPI公測環境中提供，引入了官方改進的音頻視頻（語言）理解能力和新的文件API，以便于實時大文件訪問。此外，還增加了多套綜合的JSON解析器架構，給予開發者更多控制與調試的功能。最后，發布了性能優越的下一代文本嵌入模型。主要更新內容全球可用性：Gemini1.5Pro現已在超過180個國家或地區的GeminiAPI公測環境中提供，使得全球開...Gemini 1.5 ProGemini
