优设问答你的职场经验书

DreamTalk 是一个新的AI模型，能够根据音频让人物头像照片说话、唱歌，还能保持嘴唇的同步，并模仿人类丰富的表情变化。无论是中文、英文还是其他语言，都能很好地同步。

今天凌晨，微软带来了一系列重磅产品，一口气发布了 50 多项更新。

发布会上，微软 CEO Satya Nadella 谈到了关于现代计算的两个梦想。一个是计算机是否可以理解我们，而不是我们必须理解计算机？第二个是在这个信息不断增加的世界里，计算机能否帮助我们根据所有这些信息进行推理、规划和更有效地采取行动？ 从 AI 基础设施的搭建，到模型产品的落地，微软在寻找答案的过程中，逐渐成长为一个全方位的 AI 解决方案提供商。今夜过后，或许我们都得重新审视微软这个巨头。

发布会要点速览： 1、Team Copilot ，从个人助理变成团队助理 2、全新的 Agent 代理功能 3、Phi-3 家族迎来新成员 4、Azure AI Studio，包含 API 集成、完整的工具链及部署全家桶 5、Fabric 大升级，推出实时智能（real-time intelligence） 6、专为云端规模化应用性能优化的 Cobalt 芯片

发布会更多详情：https://mp.weixin.qq.com/s/MoHPci4JAb25ifDhMwUWiQ

今天 OpenAI 发布了全新的 GPT-4 大型语言模型，随后微软官方宣布，Bing Chat 此前已经升级使用 OpenAI 的 GPT-4 技术。OpenAI宣布，推出大型的多模态模型GPT-4，称它可以接收图像和文本输入，输出文本，“比以往任何更具创造性和协作性”，并且“由于它有更广泛的常识和解决问题的能力，可以更准确地解决难题。” 微软 Bing 博客网站上的一篇帖子进一步证实了这一消息。大家可以去体验一下哦！

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

谷歌在官网宣布，在谷歌浏览器（Chrome最新版本M121）中新增自动生成文本、壁纸以及自动管理标签3个全新生成式AI功能。

1、文本生成 你是否还为发帖子、写美食感想、购物评论而烦恼？谷歌浏览器最新版本将新增类似的ChatGPT文本生成功能。 使用方法：用户只需右击谷歌浏览器中访问的任何网站上的文本框，然后选择“帮助我编写”。输入文本提示词，例如，写一篇关于地方美食的攻略。

2、壁纸生成 谷歌在Android 14和Pixel 8设备上推出了生成式AI壁纸，受到了极大欢迎。现在，谷歌将文本生成图像功能内置到谷歌浏览器中，帮助用户打造个性化壁纸。 AI将根据你选择的主题、情绪、视觉风格和颜色，快速生成壁纸，帮助你打造绚丽多彩的浏览器。

3、标签管理 我们在使用谷歌浏览器时可能会打开几十个甚至上百个网站，管理这些标签相当麻烦。 现在，借助全新的AI标签管理器，可以根据旅行、科学研究、购物等进行自动分类。 使用方法：右点选择标签管理器，然后点击搜索标签组，标签管理器会根据网站的类型自动创建管理组，用户只需点击创建即可完成。

Chrome 应该是为数不多支持生成式AI的浏览器。但是由于这三项功能处于预览测试阶段，企业和教育账户无法使用。如果正式上线，大家觉得哪一项功能最实用呢？

谷歌又有新玩意，谷歌 Labs 做的这款 GenChess，输入提示词，就能按你的想法创建棋子，而且还可以玩的那种。会下国际象棋的可以试玩一下，感觉还挺有意思的，用提示词生成各种非常好玩的国际象棋棋子，然后跟谷歌的国际象棋 AI 下棋，还可以选难度。

试玩地址：GenChess

Open AI 将于太平洋时间5月13日星期一上午10点直播，演示一些ChatGPT和GPT-4更新。

感兴趣的小伙伴一定不要错过啦！

之前就给大家介绍过，Adobe Express 新版本融合了 Photoshop，Illustrator，Premiere 和 Acrobat 的技术，以及 Firefly 生成 AI 模型，每个设计师都可以创建出色的内容。

现在，Adobe Express 已对所有用户开放，并提供30天的高级会员试用。正式版 Express 带来了诸多新功能，可以利用 Adobe Firefly 提供支持的 AI 生成功能来生成不同的文字效果和图片，并对不同的内容进行修改。而且正式版 Express 还可以合并视频、图片和音乐，轻松完成视频制作。

今天刷到几个关于视频制作的AI工具，可以根据语言文字生成对应的口型及动态视频。心中就有个疑惑，联系近两天的AI诈骗，那现在AI的发展，特别是在换脸这一方面，是否会对现在的刷脸登录带来一定的风险啊？

从今年AIGC开始爆火，好像适合程序开发使用AI工具就很少，大多数都是AI绘画和AI视频，AI文案相关的。可以帮助程序员写代码的ChatGPT在前段时间也爆出代码错误率达到了50%左右。那到底有没有适合程序员开发使用的AI工具呢？

近日，Google 推出了一款名为 Project IDX 的新型云集成开发环境（IDE），以改善开发人员的体验，提供人工智能工具和功能，以更有效地构建应用程序。

Google在Visual Studio Code（使用Code OSS）的基础上开发了Project IDX，使其能够专注于AI集成，如Codey和PaLM 2。Google的Codey AI编程助手提供智能代码自动补全、编码问题的聊天机器人以及上下文代码推荐。

使用Project IDX，开发人员可以在浏览器中进行全栈网页和移动应用程序的编写。该平台支持目前流行的框架，如Angular、Flutter、React和Vue.js，并计划将来支持其他语言和框架。

Project IDX的一个主要优点是，它提供了一个一致的开发环境，可以从任何设备访问。这解决了跨设备同步开发环境的常见问题。基于云的IDE还可以利用强大的计算资源，这些资源通常是开发人员在本地无法获得的。

近日，美国 NBC（全国广播环球公司）宣布了其在美国通过电视网络和 Peacock 流媒体平台服务报道奥运会的计划。也就是说，万众期待的2024年巴黎奥运会，解说员将由AI担任。你敢信吗？

NBC 此次宣布，Peacock 流媒体平台将启用基于真人体育主播的 AI 生成语音，用于播报、解说“Peacock Your Daily Olympic Recap on Peacock” 节目。NBC用AI技术模仿了传奇解说员Al Michaels的声音，为观众定制10分钟的奥运集锦。

如果不标明“由AI生成”，估计超过90%的人都不会意识到这是AI的声音，观众可以根据自己的喜好选择运动项目、运动员和内容类型。

NBC这次举动标志着AI生成的内容开始被主流媒体接受。经过几个月的法律斗争和犹豫，大型媒体公司终于加入了AI内容生成的潮流。

OpenAI 5月推出了ChatGPT Plus，该版本为用户提供了联网和插件功能。现在，ChatGPT Plus用户可以使用超过70个插件，并享受联网功能的便利。ChatGPT能够自动生成类似于人类撰写的文字，这一点非常惊人，甚至出乎意料。但是，这种技术是如何实现的？它为什么能够如此成功？

God Mode Animation 特性：

文本到动画： 输入文字描述即可生成相应的动画，如“角色跳跃”将自动转换成跳跃动作。 图像到动画： 提供一张静态图像（例如角色跑步的画面），系统就能生成该角色跑步的动画序列。 文字转游戏： 根据文字描述自动生成简单的游戏场景及角色动画，快速搭建游戏原型。 多样化的预训练模型： 包含多种常用动作（如挥剑、旋转踢腿、跑步、跳跃等），满足多样化需求。

God Mode Animation 地址：https://github.com/lyogavin/godmodeanimation

昨天刷到了阿里云最新发布了数字人视频生成工具Live Portait，只需上传一张照片和一段文本或语音，即可生成一段真实开口说话的数字人视频。这一功能可广泛应用于视频直播、聊天机器人、企业营销等领域。但是这个工具引发了我对用户隐私问题的担忧。与AI换脸相比，Live Portait更像是其升级版，因为它只需一张照片就能生成一段视频，这是否会给用户的数据隐私带来更大的风险呢？

华为诺亚方舟实验室、清华大学信息科技学院、大连理工、香港大学和Hugging Face的研究人员，共同发布了一款名为PIXART-δ的超高清文生图模型。

这一模型集成了潜在一致性模型（LCM）和创新控制架构ControlNet-Transformer，实现了在文生图像方面的重大技术突破。仅需0.5秒2-4个推理步骤，PIXART-δ就能完成图像生成，速度比之前的PIXART-α模型快了7倍。

在ControlNet-Transformer的帮助下，PIXART-δ可以对生成模型的输出进行精确控制，包括图像的边缘、深度、分割和对象姿势等，类似于OpenAI的DALL·E 3。

今年接触了太多 AI 工具了，AI 绘画的先不说，光是视频生成就已经让我震惊不已。今天刷到了一个 VideoPoet 作者的专访，分享的一些关于视频生成领域的观点非常有意思，其中关于视频生成领域的 “ChatGPT 时刻”的解读前瞻性十足，大家感兴趣的可以了解一下！

以下是引用： “ 视频生成的“ChatGPT 时刻”，我觉得大概是，哪怕模型生成的还是比较短的片段，比如 2-5s，但这个生成是可控的，人类也很难分辨是 AI 生成还是人类制作。从用户角度，只需要几美分的代价，就能获得一个可以被送到好莱坞专业 studio 的样片。如果类比的话，可以类比到图像领域 stable diffusion 1.x 或 2.x 版本，肯定还有再提升的空间，但已经到了能使用的程度，而且能激发很多应用。

我的预测是，到 2024 年底或 2025 年初，我们可能会到这个时刻。并且我认为，实现这个时刻肯定也需要 diffusion 参与，并且 diffusion 在未来一段时间，比如 1 到 2 年内，可能仍然是主流，扮演很重要的角色。这里说的 diffusion 已经包含了 transformer。

“ChatGPT 时刻”意味着模型到了一个相对稳定的阶段，但后面还会再改，只不过是在这个基础上做小的改动，可能一开始版本只能做到逼近好莱坞，有一些缺点，但可以商业化运用了，但要达到真正稳定需要更长时间。随后还可能仍会迭代升级。

现在市场上所有的视频生成都达不到这个标准，所以我认为视频生成的方法可能还需要进一步迭代，有可能要达到“ChatGPT 时刻”需要新的模型和方法，它不一定是全新的模型或者架构，可能是现在市场上的某个技术路线或者方案再往前走一步。”