OpenAI 今天发布了全新的 AI 模型“GPT-4o mini”，是一款扩大聊天机器人应用范围的小型AI模型，它被标榜为功能强大且成本效益高的模型，并预留了未来整合图像、视频和音频处理能力的空间。
作为多模态技术推进的一部分，GPT-4o mini 即时起服务于ChatGPT的免费、Plus及Team用户，预计下周覆盖Enterprise用户。它是基于GPT-4o（5月发布，具备全面的多媒体处理能力和高速度）的精简版，优化了成本和响应速度，能处理长达128K tokens的上下文，特别提升了对非英文内容的支持，知识库更新至2023年10月。
在MMLU和MGSM基准测试中，GPT-4o mini表现出色，分别获得了82%和87.0%的分数，优于同类模型。目前，该模型已具备文本和图像处理功能，未来将扩展至视频和音频领域，大家觉得怎么样？
戳链接查看详情：GPT-4o mini
哈哈哈，这不是好起来来了吗！！
百度公司最近推出了一款名为"文小言"的AI数字人社交APP。是基于文心大模型技术，可以通过手写、语音和图片等多种方式与数字人交流，享受其以语音、文字和肢体语言相结合的生动回复。最核心的是能够与AI角色建立情感连接，享受不间断的聊天体验。
文小言的主要功能 1、有问必答：AI伙伴随时在线，可以聊关于生活、感情、游戏、工作、历史、新闻等话题。 2、海量角色：文小言提供多种角色选择，包括傲娇女友、温柔空姐、健身教练、舞蹈老师等，满足不同用户的喜好。 3、沉浸互动：文小言支持全屏沉浸式聊天，包括语音、文字、图片和视频通讯。 4、实用专家：文小言提供专业行家的答疑解惑，涵盖画画创作、生活妙招、旅行攻略、新闻时事、同城资讯等领域。 5、免费聊天：用户可以不受时间限制地享受免费聊天服务。
近日有内幕爆出，苹果公司不会在今年推出由 Apple Intelligence 驱动的全新 Siri。
苹果会计划在明年 1 月开启全新 Siri 测试，并在 iOS 18.4 中推出正式版本。另外，Siri 的其他功能，例如新设计和 ChatGPT 集成，将于今年晚些时候推出。此前的报道中，Gurman 指出 Apple Intelligence 也将出现在 Vision Pro 上，但要到明年。
苹果在 6 月举办的 WWDC 上推出了搭载 Apple Intelligence （Apple 智能）的全新 Siri，用户在升级到 iOS 18 后，可以更自然地与 Siri 对话，新的 Siri 还能够很好地理解上下文。
不过，全新 Siri 只支持 iPhone 15 Pro 及以上的设备，而即将推出的 iPhone 16 系列也将支持 Apple Intelligence。另外，Mac 和 iPad 设备需要搭载 M1 及以上的芯片才能使用 Apple Intelligence。
大家对新版的 Siri 有哪些期待呢？
近日，苹果公司与瑞士洛桑联邦理工学院（EPFL）联合开源了一款名为4M-21的多模态视觉模型。该模型具有广泛的通用性和灵活性，尽管只有30亿参数，但它可以执行数十种任务，包括图像分类、目标检测、语义分割、实例分割、深度估计和表面法线估计等。
4M-21模型在21种不同的模态下进行训练，能够处理包括图像、文本、音频等多种模态的任务。这种多模态能力使其在跨模态检索、可控生成和开箱即用性能方面表现出色。
4M-21还支持任意到任意模态的转换，进一步扩展了其应用范围。
4M-21模型的推出标志着从传统单模态优化模型向多模态综合处理能力的重大转变，展示了苹果在AI领域的强大实力和创新能力。
开源地址：https://github.com/apple/ml-4m/ 论文地址：https://arxiv.org/abs/2406.09406 在线demo：https://huggingface.co/spaces/EPFL-VILAB/4M
最近，Stability AI做出了一个重大决策，修改了其社区许可协议，允许Stable Diffusion 3 Medium（简称SD3-M）模型商业化使用。如果企业或个人开发者年收入不超过100万美元（约726万人民币），只需向Stability AI提交申请，即可免费将SD3-M用于商业目的，如数据微调和生成式AI应用开发。
根据最新的协议，100万美元的收入门槛是硬性条件，不论收入是否直接来自SD3-M的使用。Stability AI还承诺，将在未来几周内发布一个更大版本的模型，并继续与社区分享，意味着该模型将会持续开源。
SD3-M模型拥有20亿参数，生成图片时间平均为2至10秒，推理效率高，对硬件要求低，适合在多种设备上运行。相较于前几代，它在图片质量、文本语义、光影和色彩表现上有显著提升，特别是在文本嵌入方面改进明显，提高了字体识别和嵌入的准确性。
训练过程中，SD3-M使用了包含10亿张图片的公开和合成数据集进行预训练，另外还使用了3000万张特定艺术风格和领域的图片进行微调，以及300万张偏好图片。
开源地址：https://huggingface.co/stabilityai/stable-diffusion-3-medium 填写申请地址：https://stability.ai/community-license
今天发现了一个声音克隆的好东西，我刚刚挖到的Fish Speech这个工具，不仅生成速度快到飞起，而且克隆出的声音也很真实，支持文字转语音功能，非常的好用！
Fish Speech 是一款由fishaudio开发的全新文本转语音（TTS）工具，具有强大的语音克隆能力。用户只需提供一段参考语音，系统便能迅速进行语音克隆，无需繁琐的训练过程。
该工具支持中文、英语和日语等多种语言，并且在语音处理上的能力接近人类水平。 Fish Speech采用了先进的AI技术，包括VQ-GAN、Llama和VITS等，能够将文本转换成逼真的语音。它还采用了Flash-Attn算法，以提高处理大规模数据的效率和稳定性。这些技术使得Fish Speech不仅在语音合成方面表现出色，还在语音克隆方面具有显著的优势。
Fish Speech的语音克隆功能特别适合内容创作者使用，他们可以利用这一工具快速生成各种声音效果，用于视频配音、播客制作等场景。
试玩地址：https://fish.audio/zh-CN/
上半年 Sora 爆火到现在，AI 在视频领域的发展越来越强了，近日，Runway 的 Gen-3 Alpha 文字转视频功能向所有人开放了。
Runway Gen-3 Alpha 的文字转视频功能是其核心功能之一。用户只需输入文字描述或关键词，Gen-3 Alpha 就能够通过其强大的深度学习算法，自动生成与之相关的视频作品。这一功能不仅支持简单的文本到视频转换，还提供了多种高级创作工具，如运动画笔、相机控制和导演模式等，进一步提升了视频制作的专业度和灵活性。
Runway Gen-3 Alpha 在保真度、一致性和运动表现上均实现了显著的突破，能够生成高保真的视频片段，最长可达10秒。用户可以选择生成5秒或10秒的视频，并且可以根据需要调整视频的详细程度和风格。
Runway Gen-3 Alpha 的文字转视频功能不仅强大且灵活，能够满足各种创意需求，还在技术上取得了显著的进步，成为AI视频生成领域的一大亮点。
但是目前想体验还是需要开通12美元的会员~
Solos 是一家专门生产智能眼镜的公司，近日它们推出了 Solos AirGo Vision 智能眼镜，这是全球首款集成 GPT-4o 技术的可穿戴设备，让你随时随地都能体验到人工智能的魅力！
更多功能和特点包括： - 提供实时多语言翻译 - 与 ChatGPT 通过自然对话交互 - 可自行选择镜框。包括日常眼镜、太阳镜和运动太阳镜等样式 - 通过触摸传感器向上或向下更改音量 - 通过虚拟按键一键连接 Solos 智能眼镜 - 通过USB-C 连接口充电 - 具有 IP67 级防水功能，可户外活动佩戴 - 可持续 10 小时播放音乐或 7 小时通话
官网地址：https://solosglasses.com/
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。
卷起来了，前不久阿里云推出了首个“AI程序员”。能够一站式自主完成任务分解、代码编写、测试、问题修复和代码提交等整个过程，能够在分钟级时间内完成应用开发。 近日，字节跳动推出了一款名为豆包 MarsCode 的智能开发工具，面向国内开发者免费开放。
核心功能： 1、提供智能代码补全、Bug修复、单元测试生成等AI功能。 2、支持多种编程语言和主流IDE。
云端集成开发环境（Cloud IDE）：豆包MarsCode包含AI原生的云端IDE，无需配置复杂环境，直接在浏览器中进行编程和调试。 支持语言：支持C、C++、C#、Go、JavaScript、Java、Node.js、Rust、TypeScript等多种编程语言。 开发模板：提供多种开发环境和模板，减少环境配置时间。 原生AI能力：具备代码自动补全与生成、问题修复、代码优化等功能。
主要特点： 1、开箱即用，简化环境配置。 2、云端IDE，随时随地开发。 3、弹性云端资源，不受本地资源限制。
主要功能： - 编程助手和Cloud IDE：提供代码编写提议、代码补全、Lint错误修复等。 - 项目问答功能：针对需求开发、Bug修复、开源项目学习等场景提供支持。
更多介绍可以访问豆包 MarsCode官网！
昨天，在开发者们收到的警告信中，OpenAI 写道：将采取额外措施，封禁来自不支持国家和地区的API流量。7月9日起，将终止对不支持国家的API服务，中国包括在内。
昨天看到有小伙伴还在吐槽，刚续费了 ChatGPT 会员，不要慌，现在 LibreChat 横空出世，作为一个免费的开源 ChatGPT 克隆版，它不仅支持多种 AI 模型，还提供了灵活的自定义选项，解决了多 AI 模型整合和切换的问题。
LibreChat 代表了开源的精神和对技术的热爱，为用户提供了安全、灵活的聊天环境，大家不妨用着试试看！
LibreChat 官网
大家好，我想给大家介绍一个专为插画师和艺术爱好者设计的在线AI上色工具：Petalica Paint ，推荐大家试玩~
Petalica Paint 它的一大特点是内置的AI自动上色功能，你只需上传线稿图，软件就能智能识别并自动填充色彩，大大缩短了手动上色的时间，非常适合追求效率的创作者。工具提供了多样化的上色风格选项，可以根据作品的风格和自己的喜好进行选择。
Petalica Paint 还有线稿提取功能，无论是草图还是照片，都能清晰地分离出线条，为上色前的准备工作做好铺垫。在色彩调整方面，用户享有高度自由，可以任意调节颜色、透明度和饱和度，确保每个细节都符合你的创作愿景。
该软件与pixiv Sketch平台实现了良好的集成，你可以在pixiv Sketch里直接无缝使用Petalica Paint的各项功能，无需切换应用。
试玩→ Petalica Paint
近日，Anthropic 公司发布了 Claude 3.5 Sonnet，作为 OpenAI 的劲敌，这款全新的人工智能模型在智能水平上超越了所有的竞争对手。在推理、知识和编码能力方面，Claude 3.5 Sonnet 能够迅速理解复杂指令，撰写出高质量内容。与 Claude 3 Opus 相比，解码速度提升两倍，编码评估中解决的问题比例高达64%，展现出无与伦比的独立编写、编辑和执行代码能力，
Artifacts 功能更是锦上添花，允许用户在Claude.ai上动态编辑和构建Claude生成的内容，甚至能直接展示生成的代码为网页，无论是HTML、JS、CSS还是SVG都能轻松实现。
Claude 3.5 Sonnet的到来，意味着代码世界即将迎来一场革命。你，准备好迎接挑战了吗？
最近，Anthropic 发布了全新大模型 Claude 3.5 Sonnet，号称是迄今为止最智能的模型。
Claude 3.5 Sonnet 是 Anthropic 即将推出的 Claude 3.5 系列的首个版本。该模型提高了整个领域的智能水平，在绝大多数基准评估中都超越了竞品大模型和自家前代最强 Claude 3 Opus。而且，运行速度、成本与自家前代 Claude 3 Sonnet 相当。最重要的是可以免费使用！
以下是关于Claude 3.5 Sonnet的几个关键点： 1. 模型性能：Claude 3.5 Sonnet在多个基准测试中，包括研究生水平推理（GPQA）、本科生水平知识（MMLU）和编码能力（HumanEval），设定了新的行业标准，展现出对细微差别、幽默和复杂指令的出色理解能力，以及以自然、友好的方式生成高质量内容的能力。 2. 速度与成本：它的运行速度是其前代Claude 3 Opus的两倍，同时保持了与Claude 3 Sonnet相似的成本效益，这意味着对于用户来说，它能更高效地处理复杂任务，且价格合理。 3. 免费与付费访问：Claude 3.5 Sonnet在Claude.ai网站和iOS应用上免费提供给用户，而订阅了Claude Pro和Team计划的用户可以享受更快的访问速率。此外，它也通过Anthropic API和亚马逊云科技Bedrock等平台提供，定价为每百万个输入token 3美元，每百万个输出token 15美元。 4. 视觉能力：该模型在视觉识别和处理方面也表现出色，成为Anthropic至今为止最强的视觉模型，特别是在处理视觉推理任务，如解释图表、图形转录文本等方面，这对零售、物流和金融服务等行业尤为重要。 5. Artifacts功能：Anthropic引入了一项名为Artifacts的新功能，允许用户在与Claude交互时，于对话旁边专用窗口中实时查看、编辑和构建由Claude生成的内容，比如代码片段、文本文档和网站设计，进一步促进了人工智能与人类工作的无缝集成。 6. 安全性考量：Claude 3.5 Sonnet经过严格的安全测试，并被分类为AI安全等级2（ASL-2），意味着它在化学、生物、放射性、核风险、网络安全和自主能力等领域使用相对安全，不会造成灾难性损害。Anthropic还与外部专家合作，不断测试和完善模型的安全机制，以减少滥用风险。
地址：https://claude.ai/
