昨天晚上，Anthropic 正式推出了 Claude 3 系列模型，包括 Claude 3 Opus、Claude 3 Sonnet 和 Claude 3 Haiku。
这些模型在多个方面超越了GPT-4，包括推理、数学、编码、多语言理解和视觉处理等。
以下是Claude 3系列模型与同行在多个能力评估基准上的对比：
可以看到，其中Claude 3 Opus模型性能完全碾压GPT-4，以及Gemini 1.0 Ultra。
Claude 3 Sonnet在部分基准上，比如GSM8K、MATH等超越了GPT-4。Claude 3 Haiku可以与Gemini 1.0 Pro相抗衡。
GPT-4是否真的已经过时？Claude 3的横空出世是否意味着我们即将进入一个全新的AI时代？
Claude 3 体验地址：https://claude.ai/chats
近日，在布鲁克林举行的Hot Pod峰会上，Adobe发布了名为“Project Music GenAI Control”的全新AI音乐创作工具原型。该工具利用生成式人工智能技术，帮助用户无需专业音频制作经验即可创作和编辑音乐。
用户只需输入文本描述，例如“欢快的舞蹈”或“忧伤的爵士乐”，Project Music GenAI Control就能生成对应风格的音乐。更重要的是，用户还可以使用集成的编辑控件自定义生成的音乐，调整重复模式、速度、强度和结构。该工具可以重新混音音乐片段，并生成循环音频，非常适合内容创作者制作背景音乐和配乐。
Adobe 表示，Project Music GenAI Control还能够“基于参考旋律”调整生成的音频，并且可以延长音频片段的长度，以满足固定动画或播客片段等所需时长。目前，用于编辑生成音频的实际用户界面尚未公布。
“这些新工具最激动人心的功能之一不仅仅是生成音频” Adobe研究院高级研究科学家Nicholas Bryan在新闻稿中表示，“它们就像Photoshop一样，赋予创作者深度控制权，让他们可以塑造、调整和编辑音频，就像像素级控制图像一样。”
Project Music GenAI Control由Adobe与加州大学和卡内基梅隆大学计算机科学学院合作开发，目前该项目仍处于“早期实验”阶段，未来可能会被整合到Adobe旗下的现有编辑工具Audition和Premiere Pro中。目前该工具尚未向公众开放，也未公布发布时间。
近期，阿里巴巴智能计算研究所提出了一种新的生成式框架 EMO，是一种富有表现力的音频驱动的肖像视频生成框架，用户只需提供一张照片和一段音频文件，EMO就能生成会说话唱歌的AI视频，实现无缝对接的动态小视频，最长时间可达1分30秒左右。这项技术的应用场景非常广泛，从电视剧角色的语音合成到音乐视频中的虚拟表演者，都有可能被AI技术所取代。
EMO框架使用Audio2Video扩散模型，通过三个阶段的技术处理，包括帧编码、音频编码和去噪操作，以及参考注意力和音频注意力机制，来生成富有表现力的人像视频。
目前，EMO 框架上线到 GitHub 中，相关论文也在 arxiv 上公开。
GitHub：https://github.com/HumanAIGC/EMO
论文：https://arxiv.org/abs/2402.17485
太疯狂了，还没有从 Sora 和 Pika 的 Lip Sync 的震惊中走出来，今天又发现一个 AI 驱动的电影生成和视频剪辑平台：LTX Studio。
LTX Studio 提供的可视化专业视频控制台，可以帮助用户进一步优化视频的细节达到商业级视频，并且附带语音解读而Sora目前无法提供。
核心功能： ⚡支持通过文字直接生成复杂的剧情视频，包含语音、音效以及视频画面，支持编辑画面内容。 ⚡支持通过故事板组织和剪辑生成的视频，你可以自定义演员场景和造型。
加入等待列表：https://ltx.studio
今天，全球最大开源平台之一GitHub在官网宣布——GitHub Copilot Enterprise正式全面发布。
GitHub Copilot Enterprise核心模块之一GitHub Copilot，是一款基于OpenAI的GPT-4模型，并结合自身积累十多年真实、安全可靠的代码数据开发而成，开发人员通过文本提示就能获取、审核、扩展代码等功能。 其核心功能及亮点如下：
1. 基于OpenAI的GPT-4模型：GitHub Copilot Enterprise利用了先进的语言模型，结合了GitHub的大量代码数据，为开发人员提供智能的代码辅助。 2. 文本提示代码生成：开发人员可以通过简单的文本提示，让GitHub Copilot Enterprise帮助生成、审核和扩展代码。 3. 减少重复性工作：根据调查，大多数开发人员表示使用GitHub Copilot可以减少在重复性编码任务上的精力。 4. 节省搜索时间：GitHub Copilot Enterprise可以帮助开发人员减少在搜索信息上的时间，提高工作效率。 5. 深度了解企业代码库：GitHub Copilot Enterprise能够简化代码导航和理解，加速代码部署、问题解决和代码现代化。 6. 集成ChatGPT聊天功能：开发人员可以通过自然语言与GitHub Copilot Enterprise交流，提出关于代码的问题，并获取帮助。 7. 个性化代码建议：GitHub Copilot Enterprise可以根据企业的特定代码库和标准提供个性化的帮助和建议。 8. 快速审核拉取请求：通过分析拉取请求的差异，GitHub Copilot Enterprise可以帮助审核人员快速了解变更，节省时间并提供有价值的反馈。 9. Bing搜索引擎集成：为了帮助开发人员减少信息搜索时间，GitHub Copilot Enterprise集成了Bing搜索引擎，提供大规模的专业数据搜索。 10. 微调功能：GitHub Copilot Enterprise将推出基于用户个人代码库的微调功能，使得生成的代码更加个性化，进一步帮助开发者提高效率。 11. 价格和订阅：GitHub Copilot Enterprise的月费为39美元，提供了个人和商务版，包括无限的消息、交互、历史记录以及基于存储库的语义搜索等功能。
使用地址：https://github.com/features/copilot/plans
Stability AI 发布了 Stable Diffusion 3，宣称这是他们最强大的文本到图像模型，利用扩散转换器架构大大提高了多主题提示、图像质量和拼写能力的性能！
该版本与Stable Diffusion 2相比，在文本语义理解、色彩饱和度、图像构图、分辨率、类型、质感、对比度等方面大幅度增强，可对标闭源模型Midjourney。
Stable Diffusion 3的参数在8亿——80亿之间，也就是说Stable Diffusion 3可能是专为移动设备开发的，AI算力消耗将更低，推理速度却更快。
Stable Diffusion 3 支持申请使用，未来会扩大测试范围。
申请地址：https://stability.ai/stablediffusion3
根据 Adobe 官方网站的公告，他们正式推出了一款名为AIAssistant的生成式AI助手，并将其整合到Reader和Acrobat这两款知名的PDF阅读器中。
AIAssistant 的功能类似于ChatGPT，它能够根据PDF文档内容提供摘要、核心见解，甚至回答各种问题。
目前，Acrobat Personal、Teams以及Acrobat Pro的用户可以体验测试版AIAssistant功能。
这一新功能的推出，无疑将极大地提升用户在阅读和处理PDF文档时的效率和便利性，为用户带来全新的使用体验。
