近日，谷歌的全新人工智能模型 Gemini 1.0 引起了广泛的关注。Gemini 到底是个什么样的模型，为什么说比 GPT-4 强呢？
Gemini 是谷歌推出的一种大型语言模型。它是谷歌迄今为止规模最大、能力最强的人工智能模型，具有原生多模态能力，能够同时处理文本、图像和音频等多种信息。
Gemini 的训练数据集包括1.6万亿个参数，是之前的 GPT-3 的两倍。它能够理解和生成自然语言，并能够从文本、图像和音频中提取信息。
Gemini 还能够进行多种任务，包括： 生成文本、翻译语言、编写不同类型的创意内容等。 理解和回答问题，包括开放式、挑战性的和奇怪的问题。 从文本、图像和音频中提取信息，并进行分析。
Adobe 将于下周的 Adobe Max 活动中宣布推出一款新的AI照片编辑工具 Project Stardust。Adobe近日也提前曝光了Stardust的实测视频。
从视频中可以看出，Stardust强大的AI编辑功能，如用户可选择单张照片中的对象进行准确的识别和编辑。用户只需点击所选对象，就能轻松完成图片的处理。Stardust尤其适用于电商平台，它可以快速检测图片中的元素，并通过AI算法生成新的图片元素，极大地提升了工作效率。
这会改变我们与 Adobe 产品交互的方式吗？
今天我要推荐的网站，能为你提供未来感十足的AI网站生成体验！
Framer 由Koen Bok和Jorn van Dijk于2014年创立。他们曾在Facebook和Hype进行产品设计和开发，看到现有设计工具无法满足创建复杂互动原型的需求，于是创立了Framer。当下，Framer已经成为设计和开发领域的重要工具。
虽然在实时协作和矢量设计方面，Figma等竞争对手更具优势，但Framer凭借其在互动原型和动画方面的强大功能，保持了在设计工具市场中的重要地位。
✨ Framer亮点 ✨ ① 无代码设计：你无需编程基础，通过拖放组件即可创建复杂的交互效果。 ② 实时协作：多人同时编辑和评论，团队合作更加高效流畅。 ③ 自动化设计：智能布局和响应式设计功能，让你的作品在任何设备上都完美呈现。这也是最打动我的一点。现在大大小小的设备太多了，能做到多端适配，简直感动到哭。 ④ 丰富的模板和组件：海量模板和UI组件库，助你快速启动项目，节省时间。 ⑤ 高保真原型：从静态设计到动态原型，一气呵成，完美展示用户体验。
官网地址：Framer
看到 Niji 发布的预告来演示局部重绘（inpaint）的效果，是 Midjourney 即将发布局部重绘功能，对于MJ的AI绘画最头痛就是生成一张图片，如果只有细节不满意就要重新抽卡生成，这样导致很多不可控的效果出来而且浪费时间，而即将推出的Inpainting（局部重绘）功能就很好解决这个问题。
这个新功能就像 PS 的AI一样，只需要涂抹一个区域，然后加入关键词就能重新绘制或替换这个区域。至少再也不用担心出现 3 只手，6 根手指头的情况了。有没有小伙伴有内部的消息，Midjourney AI 创意局部重绘功能什么时候能上线啊？
大家好，昨天给大家推荐了一款线上的AI图像编辑工具，不知道大家用过没有。今天再给大家推荐一款功能更加强大的AI图像编辑工具：EditAnything
EditAnything 是一款基于Segment-Anything、ControlNet、StableDiffusion等技术的在线AI图像编辑工具，能够对图像进行多种修改和生成操作。它具备跨图像区域拖拽合并的能力，让用户能够自由发挥创意进行融合。
除了对图像中的物体进行修改、添加、删除等操作，还可以通过调整细节和布局来创造出不同风格的图像。EditAnything还提供了多种高品质角色编辑功能，包括衣服、发型、美瞳等。还可以通过绘制草图来生成图像，为创作提供更多可能性。感兴趣的小伙伴可以试试效果哦！
前段时间，Firefly发布了一项新功能，名为“生成式填充”，可帮助用户轻松去除或修改图像内容，同时还能扩展图像内容。在Photoshop Beta测试版中，用户可以非破坏性地组合或生成图像。我利用这项功能对9张剧照进行了调整，效果非常惊艳，你最喜欢哪一款呢？ Adobe Firefly 的 Generative Fill 包括三个主要功能：添加新内容到图像中，删除或替换图像的一部分内容，以及通过向外扩展图像来增加其尺寸。前两个功能已经在 Adobe Firefly 中实现，而最后一个功能目前只能在 Photoshop 的测试版中使用。
太震撼了啊，没等到GPT-5，却迎来了 OpenAI 新旗舰模型GPT-4o！
5月14日凌晨，GPT-4o 在 OpenAI 官网正式发布了，GPT-4o是一个多模态模型，能够处理视频、音频和文本数据，具有实时推理的能力。它能够执行多种任务，包括实时翻译、唱歌、做数学题和讲笑话等。GPT-4o的语音响应时间非常短，平均响应时间为320毫秒，并且在MMLU评测中创下了88.7%的新高分，超过了其他市面上的大模型。
这是正儿八经的原生多模态，更重要的是可以实时推理音频、视觉和文本，注意这里是实时，实时，实时，推理的不是文本，是音频！视觉！
某种程度上，AGI 已然成为现实，我们即将迎来一个新的时代啊！
字节跳动的研究人员开发了一种超高清文生视频模型MagicVideo-V2。
这是一个集成了文本到图像模型、视频运动生成器、参考图像嵌入模块和帧插值模块的端到端视频生成pipeline。MagicVideo-V2能够从文本描述中生成具有高美感、高分辨率、高保真度和流畅性的视频。通过大规模用户评估，它在人类视觉感知方面表现出优秀的性能。
MagicVideo-V2的设计包括以下关键模块： - 文本到图像模型：从给定的文本提示生成一个1024×1024的图像作为视频生成的参考图像。 - 图像到视频模型：使用文本提示和生成的图像作为条件生成关键帧。 - 视频到视频模型：对关键帧进行细化和超分辨率处理，生成高分辨率视频。 - 视频帧插值模型：在关键帧之间插值生成平滑的视频运动，并最终生成高分辨率、流畅、高美感的视频。
论文地址：https://arxiv.org/abs/2401.04468 项目地址：https://magicvideov2.github.io/
