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
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
谷歌发布的一个名为 VLOGGER 的项目。这个项目能够根据输入的图片和音频生成对应人物讲话的视频。但是个人感觉 VLOGGER 看起来没有阿里巴巴发布的 DreamTalk 和 EMO 自然,大家觉得呢?
VLOGGER 主要特点: 1. 3D运动的扩散模型:它可以根据一张人物图像生成由文本和音频驱动的说话人视频。 2. 创新的架构:项目包含一个创新的基于扩散的架构,通过时间和空间控制来增强文本到图像模型的能力。 3. 高质量视频生成:能够生成高质量、可变长度的视频,并通过人脸和身体的高级表示进行便捷控制。 4. 广泛的适用性:与之前的工作相比,VLOGGER不需要为每个人单独训练模型,不依赖人脸检测和裁剪,能生成完整的图像(包括脸部和身体),适用于广泛场景,如躯干可见或身份多样化,这对于正确合成具有沟通能力的虚拟人至关重要。
项目地址:https://enriccorona.github.io/vlogger/