-
AI结合游戏NPC会发生什么？
不需要脚本的人工智能 NPC 可以让游戏和其他世界变得身临其境。——尼尔·弗斯不久前，一个初学者玩家刚刚踏入电子游戏的世界仅一年多。这份原本是“给孩子们”的圣诞礼物——Xbox Series S，却意外地将他带入了深夜的游戏狂欢。他迅速被开放世界游戏所吸引，那里，他可以自由探索广袤的虚拟空间，迎接各种挑战。在《荒野大镖客 2》这款以狂野西部为背景的游戏中，他体验到了前所未有的自由。他骑着马，穿越寂…- 7
- 0
-
基于多模态信息抽取的菜品知识图谱构建
菜品作为到店餐饮各相关业务的基石，提供了更细粒度的视角理解餐饮供给，为到餐精细化运营提供了抓手。美团到店研发平台/数据智能平台部与天津大学刘安安教授团队展开了“基于多模态信息抽取的菜品知识图谱构建”的科研合作，利用多模态检索实现图文食材的识别，扩展了多模态菜品食材识别的范围，提升了食材识别的准确性。该项工作提出了一个跨模态食材级数据集，该数据集提供食材及其关系有助于增强对中国烹饪的理解。介绍该工作…- 4
- 0
-
揭秘 Agent-E：浏览器内的智能助理，升级在线自动化体验
在这个飞速发展的数字时代，每分每秒都至关重要。设想一下，拥有一位隐形助手在浏览器后方勤勉工作，处理各种繁复任务，从日常冲浪到专业项目管理，这将是何等的便捷！今天，我们就来深入探索这一革新工具 —— Agent-E，一个基于浏览器的智能自动化系统，它正以全新的方式革新我们的线上生活体验。?✨自动化触手可及，尽在指尖 ?Agent-E 基于强大的 AutoGen 代理框架，通过自然语言交互，为你的浏览…- 8
- 0
-
作为微软开源的全新架构，Florence-2 以其小巧的体积、炸裂的性能以及对多任务的统一处理方式，在视觉理解领域掀起了一阵旋风
还记得我们之前介绍过的轻量级视觉基础模型 Florence-2 吗？Florence-2：微软开源的轻量级视觉基础模型，性能炸裂，吊打巨型模型！作为微软开源的全新架构，Florence-2 以其小巧的体积、炸裂的性能以及对多任务的统一处理方式，在视觉理解领域掀起了一阵旋风。今天，我们将更进一步，探索如何将 Florence-2 应用于视觉问答（VQA）任务。我们将带你领略 Florence-2 如…- 10
- 0
-
人工智能与教学：人工智能AI把课文变成视频。
平台改版，避免错过精彩内容，请把我设置为星标：人工智能与教学前一篇文章说了用AI给课文画插图。人工智能与教学：用AI画课文插图今天就升级了，讲一讲用AI把课文变视频。先来看看效果，还是用的一篇一年级的课文。《秋天》好了，下面我们就来看看具体的操作。首先是网站地址：白日梦 https://brmgo.com/要想使用，需要注册然后，点击开始创作。然后，输入标题和正文。然后选择风格最后就生成图片，视频…- 9
- 0
-
SignLLM：通过文字描述生成手语视频的多语言模型
SignLLM ，世界上第一个通过文字描述生成手语视频的多语言模型。模型可以将输入的文本或提示转化为相应的手语手势视频。SignLLM可以生成包括美国手语（ASL）、德国手语（GSL）以及八种不同的手语。它还引入了额外的多语言手语数据集，名为Prompt2Sign，并基于此数据集开发了多种生成手语的模型。Prompt2Sign 数据集的引入为了确保手语视频生成的准确性和流畅性，SignLLM 引入…- 7
- 0
-
23.5k Star！OpenVoice：这款AI工具能够精准模仿你的声音并说出任何语言！
从一小段音频中复制声音并生成多种语言的语音。它不仅支持精准的音色克隆，还可以灵活控制语音风格，如情感和口音，确保声音输出自然流畅。体验地址：https://app.myshell.ai/zh/web3/chat准确的音色克隆OpenVoice 可以准确克隆参考音色并生成多种语言和口音的语音。灵活的语音风格控制OpenVoice 可以对语音风格（例如情感和口音）以及其他风格参数（包括节奏、停顿和语调…- 8
- 0
-
可视化文档引擎全面更新，解锁文档新玩法
Nocode/WEP 基本介绍Nocode/WEP 是一款我结合零代码设计思想和文档引擎设计模式开发的一款多模态文档系统。我们使用它可以快速实现：图/文/音/视频融合的文档内容个人/企业知识库AI辅助创作多组态的富文档展现（插件的方式集成任何web组件）内容 + 动态信息流接入的文档应用文档交互反馈能力设计它的初衷源于我对现有文档知识库的反思。我采用前端最前沿的设计思想和技术来实现Nocode/W…- 10
- 0
-
阿里云 PAI 大语言模型微调训练实践
导读 人工智能平台 PAI 是面向开发者和企业的 AI 工程化平台，提供了覆盖数据准备、模型开发、模型训练、模型部署的全流程服务。本文将分享阿里云 PAI 大语言模型微调实践。主要内容包括以下几大部分：1. 大语言模型微调简介2. 使用 PAI-QuickStart 微调大语言模型3. 模型微调实践分享嘉宾｜梁权 阿里云 人工智能平台 P…- 9
- 0
-
斯坦福AI视频生成工具免费开放！30秒时长，马斯克看了效果会沉默
将音频、图像、视频整合进同一工作流，这个由斯坦福初创公司发布的视频工具火了！预览版支持生成30S逼真视频，网友们直呼不输Luma。抢先看性转版马斯克激情说唱：与Luma一样，目前这个名为Hedra的工具可以免费试用。在给大家带来一手实测前，再来看一波新鲜整活儿~让面值10德国马克上的“数学王子”高斯自我介绍：让石像说话、眨眼、摆动头部：生成虚拟土豆人角色：让僵尸管家变换表情：好了，鉴于近期翻车事件…- 3
- 0
-
让图片开口说话的模型Hallo: 基于音频驱动的肖像图像动画，精准唇形同步，支持多种语言和风格
前言让静态的图片“开口说话”，一直是人们对人工智能的期待。近年来，随着深度学习技术的发展，音频驱动的肖像图像动画技术取得了长足的进步。各种模型涌现，但如何实现精准的唇形同步、保持视频的真实感和流畅性，以及支持多种语言和风格，仍然是研究人员面临的挑战。来自复旦大学、百度、苏黎世联邦理工学院和南京大学的研究团队，共同开发了一个新的音频驱动肖像图像动画模型 Hallo，该模型在多个方面实现了突破，为打造…- 8
- 0
-
微软Azure AI更新视频翻译和语音翻译 API 功能！
很高兴与大家分享 Azure AI 语音翻译产品套件的两个重大更新！分别是视频翻译和增强的实时语音翻译 API。视频翻译（批量）微软宣布推出视频翻译预览版，这是一项突破性的服务，旨在改变企业本地化视频内容的方式。随着全球市场对可访问且引人入胜的视频内容的需求不断增长，视频翻译提供了一种无缝解决方案来克服语言障碍。此次发布包括 Azure Speech，客户可以使用自己的视频资产进行试用，并具有以下…- 9
- 0
-
AI终将淘汰不会大模型的人？
上篇文章介绍了大模型的一些原理，大模型之前的人工智能技术，无论是视觉还是语音，其核心都是“分类”。对于神经网络算法，其目的就是尝试找到一条直线或一个平面或某种界限，能够把数据按照某种特征隔离开。某个AI算法好不好的表现就是分类准不准，例如能不能在一堆照片中找到小狗的特征，能不能准确把一段语音转录成文字。而2020年之后，AI从“小模型+判别式”转向“大模型+生成式”，从传统的人脸识别、目标检测、文…- 4
- 0
-
Runway发布Gen-3 Alpha，逼真到分不清现实！
1小时前，runway悄悄发布了一个新的AI视频模型。Gen-3 Alpha：用于视频生成的新基础模型近期AI视频大模型神仙打架，前有国产可灵，后有Luma，现在runway发布gen-3 Alpha测试版本，加速搅局市场，仿佛在跟Sora喊话：你还来吗？虽然还不能体验，看完效果后，一个字，赞！仿佛告诉我，我可以在AI视频领域大展拳脚。Gen-3 Alpha核心特点Gen-3 Alpha…- 8
- 0
-
翻车了？这才是真正的SD3！
SD3模型发布之前，全网对它充满了期待。然而，正式发布后，我用了几个小时肝到半夜1点调通工作流后，发现生成的图片质量比较有限。不过，SDXL和SD1.5的强大之处在于开源社区的众网友的努力，SDXL的原生模型也是表现平平。所以用SD3的时候，应该和SDXL的原生模型对比，而不是和创作者们改造的大模型对比，更何况SD3放出来的是“中杯”，完整版模型尚未放出。让AI绘画爱好者们饱受诟病的是，SD3模型…- 6
- 0
-
火爆ChatTTS！小说角色对话，让真人都怀疑自己的耳朵！有人靠它赚了第一桶金
你们是否想象过小说中的角色能够跳出纸面，用声音与你对话？增强版ChatTTS技术让这一切成为可能，甚至有人因此赚到了人生第一桶金！??吹爆ChatTTS！有人靠它赚了第一桶金1. 开源免费：ChatTTS开源的AI文本到语音转换工具2. 技术创新：高自然度和逼真的语音合成效果3. 商业潜力与应用： 从在线服务到API销售，再到套壳软件的开发4. 社会影响：对有声读物行业产生了深远影响，为…- 10
- 0
-
在清华与中国AIGC大会的分享：多模态AI大爆发，多模态提示词与智能体
多模态AI大爆发2024 年是多模态大模型发展之年，继 OpenAI 发布 GPT-4o 以来，谷歌的 Gemini 系列同样有了比较大的更新，同时国内通义千问系列，智谱 AI 的 CogVLM，商汤的多模态模型等也纷纷发布。另一方面，语音情感 AI 方面，除了国外的 Hume AI 之外，火爆的 ChatTTS，字节跳动出品的 Seed-TTS 等语音 AI 的效果目前也十分惊艳，令人真假难辨。…- 6
- 0
-
【PPT+讲稿+笔记】张俊林：多模态大模型：系统、趋势与问题
大纲多模态大模型概述多模态大模型的重要性国内大模型的发展趋势当前的主要目标多模态大模型多模态大模型的几个方面技术发展存在的问题GPT-4oGPT-4o的介绍GPT-4o的功能技术架构Lava 1.5的架构图动态大模态的基本结构多模态大模型的核心构件Fuyu-8BFuyu-8B的特点LLaVA1.5的特点Qwen-QLQwen-QL的特点Qwen-QL的训练过程上海人工智能实验室的系统系统结构发展趋…- 5
- 0
-
接入腾讯混元大模型，腾讯问卷推出AI功能为调研提效提质
5月20日，腾讯问卷宣布基于腾讯混元大模型推出全流程AI解决方案，覆盖问卷设计、投放、回收、分析环节，帮助企业提升调研的质量与效率。腾讯问卷是腾讯旗下专业的在线问卷调查平台，支撑了腾讯核心业务的⽤户、市场、产品研究工作，其服务覆盖问卷调查、信息上报、在线测评、在线考试、360度评估、投票打卡等工作场景。截至目前，腾讯问卷服务的用户数超4800万，注册团队数超20万，帮助用户回收34亿份问卷。在AI…- 6
- 0
扫码打开当前页
联系我们
-
￥优惠劵使用时效：无法使用使用时效：
之前
使用时效：永久有效优惠劵ID：×