AI日报|文生语音大模型国内外均有突破,Pika完成6亿新融资,视频大模型也不远了!

本文主要是介绍AI日报|文生语音大模型国内外均有突破,Pika完成6亿新融资,视频大模型也不远了!,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章推荐

AI搜索哪家强?16款产品实战测评,效率飙升秘籍!

AI日报|智谱AI再降价,同时开源9B系列模型;国内外气象大模型竞逐升级

字节推出文本到语音模型家族Seed-TTS:擅长情感表达,与真人几乎无异

字节跳动推出文本到语音模型家族——SEED TTS,其核心亮点在于生成的语音音色高度接近人类,在相似度与自然流畅度方面,可以与真声媲美。

在技术层面有以下创新:

  • Seed-TTS是一系列大规模自回归文本到语音(TTS)模型,它通过学习语音上下文、说话人相似度和自然度等方面的特征,生成与人类语音难以区分的高质量语音。此外,Seed-TTS还具有优越的情感控制能力,可以根据需求生成具有不同情感和语音属性的语音
  • Seed-TTS还提供了自蒸馏方法用于语音分解,可以更好地理解语音的特征,以及增强模型鲁棒性、说话人相似度和控制性的强化学习方法。
  • Seed-TTS还展示了非自回归(NAR)变体Seed-TTSDiT,它采用完全基于扩散的架构,不依赖于预先估计的音素持续时间,通过端到端处理进行语音生成。

https://bytedancespeech.github.io/seedtts_tech_report/

Stability AI发布Stable Audio Open文本至音频模型,时间可长达47秒

Stability AI宣布推出生成声音和歌曲的开放式人工智能模型—Stable Audio Open。该公司声称,该模型仅接受免版税录音训练。用户只需输入文本描述,模型就能生成最长47秒的声音片段,

Stable Audio Open能够创造鼓点、乐器旋律、环境音效及视频、电影、电视节目的制作元素,还能“编辑”现有歌曲或融合不同曲风,例如将柔和爵士风格应用于另一首歌。

并且Stable Audio Open一大亮点是用户可基于个人音频资料微调模型,让生成的内容更加个性化。

然而,这款开源模型存在局限:无法生成完整歌曲、旋律或人声,对此类需求,Stability AI推荐使用其付费服务Stable Audio。

此外,Stable Audio Open禁止商业用途。

https://techcrunch.com/2024/06/05/stability-ai-releases-a-sound-generator/

Pika完成全新6亿融资,即将发布全新视频生成大模型

AI视频生成初创公司Pika日前已完成总额8000万美元的B轮融资,由Spark Capital领投,Greycroft、Lightspeed Venture Partners以及Jared Leto参投,公司估值超过4.7亿美元,较上一轮翻了一倍。

截至目前,Pika总融资额已达1.35亿美元。Pika用户数达到数百万,每周生成数百万个视频。同时,Pika已租用数百个量级的GPU(图形处理器)芯片,用于模型训练和推理计算。

创始人郭文景表示:“我们正在努力打造最好的视频模式,同时也在努力打造真正服务于创作者的产品。”据悉,Pika将在今年下半年发布一个全新关键的基础模型以及配套产品更新。

https://mp.weixin.qq.com/s/fJtcza5MB9rmFRmLT2bI9g

Cartwheel提供文字生成3D动画,为创作者提供支持

从头开始制作3D角色动画通常既费力又费钱,需要使用复杂的软件和动作捕捉工具。Cartwheel希望让基本动画变得简单,只需用文字描述动画,就可以用AI生成基本动作。

因此用户在使用Cartwheel时,可以从文本框时输入任何内容,一两分钟后就可以得到一个流畅的基本动作动画,然后可以将其导出到3D编辑软件中。

Cartwheel表示,动画师无需在迈步,拍打,坐下等基本动作上花费太多时间,Cartwheel可以自动生成基本动作,用户可以自己对其进行关键帧处理,制作过程会更加快捷。

https://techcrunch.com/2024/06/05/cartwheel-generates-3d-animations-from-scratch-to-power-up-creators/

苹果发布会前iOS ChatGPT迎来重大更新,支持后台交互

距离类似ChatGPT的智能功能引入iOS 18仅剩几天时间。ChatGPT 官方 iOS 应用迎来重大更新(1.2024.150),用户现在可以在使用其他应用的同时继续与ChatGPT进行对话。
ChatGPT的这项全新多任务功能默认处于关闭状态,需要手动开启。

开启后台对话功能后,用户可以启动与ChatGPT的语音对话,然后离开应用并继续交谈。即使用户在使用其他应用,也能继续与ChatGPT语音助手进行对话。

https://www.ithome.com/0/773/429.htm

Nvidia 市值突破 3 万亿美元,超越苹果

得益于AI芯片的需求激增,英伟达今年股价飙升约147%,市值增加约1.8万亿美元,周三,该公司股价上涨5.2%,收于创纪录的1224.40美元,市值超过3万亿美元,超越苹果公司。

周三股价上涨使英伟达CEO黄仁勋在彭博亿万富翁指数上的财富增加了50多亿美元,达到1074亿美元。

英伟达没有放缓脚步的迹象,CEO黄仁勋表示计划每年升级其AI加速器。黄仁勋在台湾大学的演讲中提到,生成式AI的兴起是一场新的工业革命,随着AI技术渗透到个人电脑领域,英伟达将继续扮演重要角色。

https://es-us.finanzas.yahoo.com/news/nvidia-tops-3-trillion-market-191513270.html

“可信 AI 进展 “ 公众号致力于最新可信人工智能技术的传播和开源技术的培育,覆盖大规模图学习,因果推理,知识图谱,大模型等技术领域,欢迎扫码关注,解锁更多 AI 资讯~

这篇关于AI日报|文生语音大模型国内外均有突破,Pika完成6亿新融资,视频大模型也不远了!的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1039546

相关文章

用js控制视频播放进度基本示例代码

《用js控制视频播放进度基本示例代码》写前端的时候,很多的时候是需要支持要网页视频播放的功能,下面这篇文章主要给大家介绍了关于用js控制视频播放进度的相关资料,文中通过代码介绍的非常详细,需要的朋友可... 目录前言html部分:JavaScript部分:注意:总结前言在javascript中控制视频播放

Python基于wxPython和FFmpeg开发一个视频标签工具

《Python基于wxPython和FFmpeg开发一个视频标签工具》在当今数字媒体时代,视频内容的管理和标记变得越来越重要,无论是研究人员需要对实验视频进行时间点标记,还是个人用户希望对家庭视频进行... 目录引言1. 应用概述2. 技术栈分析2.1 核心库和模块2.2 wxpython作为GUI选择的优

Java的IO模型、Netty原理解析

《Java的IO模型、Netty原理解析》Java的I/O是以流的方式进行数据输入输出的,Java的类库涉及很多领域的IO内容:标准的输入输出,文件的操作、网络上的数据传输流、字符串流、对象流等,这篇... 目录1.什么是IO2.同步与异步、阻塞与非阻塞3.三种IO模型BIO(blocking I/O)NI

基于Flask框架添加多个AI模型的API并进行交互

《基于Flask框架添加多个AI模型的API并进行交互》:本文主要介绍如何基于Flask框架开发AI模型API管理系统,允许用户添加、删除不同AI模型的API密钥,感兴趣的可以了解下... 目录1. 概述2. 后端代码说明2.1 依赖库导入2.2 应用初始化2.3 API 存储字典2.4 路由函数2.5 应

SpringBoot使用OkHttp完成高效网络请求详解

《SpringBoot使用OkHttp完成高效网络请求详解》OkHttp是一个高效的HTTP客户端,支持同步和异步请求,且具备自动处理cookie、缓存和连接池等高级功能,下面我们来看看SpringB... 目录一、OkHttp 简介二、在 Spring Boot 中集成 OkHttp三、封装 OkHttp

使用Python实现文本转语音(TTS)并播放音频

《使用Python实现文本转语音(TTS)并播放音频》在开发涉及语音交互或需要语音提示的应用时,文本转语音(TTS)技术是一个非常实用的工具,下面我们来看看如何使用gTTS和playsound库将文本... 目录什么是 gTTS 和 playsound安装依赖库实现步骤 1. 导入库2. 定义文本和语言 3

Spring AI ectorStore的使用流程

《SpringAIectorStore的使用流程》SpringAI中的VectorStore是一种用于存储和检索高维向量数据的数据库或存储解决方案,它在AI应用中发挥着至关重要的作用,本文给大家介... 目录一、VectorStore的基本概念二、VectorStore的核心接口三、VectorStore的

讯飞webapi语音识别接口调用示例代码(python)

《讯飞webapi语音识别接口调用示例代码(python)》:本文主要介绍如何使用Python3调用讯飞WebAPI语音识别接口,重点解决了在处理语音识别结果时判断是否为最后一帧的问题,通过运行代... 目录前言一、环境二、引入库三、代码实例四、运行结果五、总结前言基于python3 讯飞webAPI语音

Spring AI集成DeepSeek三步搞定Java智能应用的详细过程

《SpringAI集成DeepSeek三步搞定Java智能应用的详细过程》本文介绍了如何使用SpringAI集成DeepSeek,一个国内顶尖的多模态大模型,SpringAI提供了一套统一的接口,简... 目录DeepSeek 介绍Spring AI 是什么?Spring AI 的主要功能包括1、环境准备2

Spring AI集成DeepSeek实现流式输出的操作方法

《SpringAI集成DeepSeek实现流式输出的操作方法》本文介绍了如何在SpringBoot中使用Sse(Server-SentEvents)技术实现流式输出,后端使用SpringMVC中的S... 目录一、后端代码二、前端代码三、运行项目小天有话说题外话参考资料前面一篇文章我们实现了《Spring