当前位置:AIGC资讯 > AIGC > 正文

中国版GPT-4o炸场:国内首个流式多模态交互模型,现场实时且丝滑

没等到GPT-4o,商汤先把《Her》给发布出来了!

就在刚刚,商汤直接在现场来了个炸裂的Live Show,话不多说,直接看效果:

不仅声音非常拟人(观众直呼好磁性),而且还是实时、随时可以打断的那种!

它宛如被安上了一对儿眼睛,可以做到精准无误的所见即所得。

就连手绘的粗糙的简笔画,AI也能俏皮地跟人类做互动:

一波Live Show秀下来,引得观众掌声连连、“哇”声一片。

这就是商汤发布的国内首个流式原生多模态交互模型——6000亿参数日日新5.5系列中的5o所达到的效果。

据了解,这是一种全新的AI交互模式,把文本、声音、图像还有视频等模态全都囊括到了一起,可以让AI跟人们交流的时候变得更加生动丰富。

可以说是真·电影走进现实了。

而且商汤CEO徐立现场表示,很快就可以用上了!

但新的AI交互模型,也还仅仅是商汤在这次发布中的一隅。

纵观整场活动,商汤可以说是围绕着日日新5.5,把多模态这事给玩儿得66的。

各位看官,咱们继续往下瞧。

计算机巨佬们“活”了起来

你没看错,商汤用新AI搞的另一个花活儿,就是“复活”了图灵、冯诺依曼等计算机巨佬们。

并且还致敬了已故的人工智能科学家,商汤科技创始人汤晓鸥老师,徐立表示:

请看VCR:

这个新AI,名叫Vimi,是基于日日新5.5能力打造的首个可控人物视频生成大模型。

而且是只需要一张任意风格照片就能搞定、普通用户都可以用、长达1分钟的那种哦~

要知道,“人物可控”这事一直是用大模型搞生成的一道难题,就连Sora在内大模型也面临无法精准控制动作、连续性不稳定(突然变脸)等问题。

但Vimi就不一样了,它不仅能够精确地控制人物的面部表情,还能在半身像的范围内调节人物的自然姿态。

并且也能够自动生成与人物相匹配的头发、服装以及背景的变化;时长方面更是达到了分钟级别。

由此,以后要是想打造一个自己的大片儿,例如冰雪女王,那就是一张照片的事儿了:

以下视频来源于Vimi相机

以为这就完了?No,No,No。

你的表情包又要变丰富了。

总而言之,Vimi的出现可以说是利好视频创作者,让他们有了另一个高质量AI工具的选择。

值得一提的是,Vimi还被这次世界人工智能大会(WAIC)官方授予了最高荣誉——镇馆之宝。

怎么做到的?

对于能取得上述效果背后的杀手锏技术,商汤在现场也做出了大揭秘。

一方面是架构。

日日新5.5采用的是混合端边云协同专家架构,可以最大限度发挥云边端协同,降低推理成本。

另一方面是数据。

日日新5.5在模型训练上基于超过10TB tokens高质量训练数据,包括大量合成的思维链数据,其语言理解和交互能力全面升级。

因此,日日新5.5在数学、推理、编程等多个维度较上个版本具有较大的提升,尤其是在数学推理(↑31.5%)英文理解(↑53.8%)、指令跟随(↑26.8%)等核心指标方面。

那么这一点又该如何体现呢?权威评测榜单,便是一个很好的印证。

例如根据OpenCompass的评测,日日新5.5的平均分数已经与GPT-4o持平,并且多想细分维度的分数是超越了GPT-4o的。

不要999,不要99,只要9.9元全年

除了多模态之外,端侧,也是此次商汤着重的发力点之一。

现在的日日新端侧模型5.5Lite同样也在性能指标的各维度上做到了全面升级。

基于手机旗舰平台,5.5Lite首次安装包的耗时仅为0.19秒,相较于之前的版本减少了40%。

它的推理速度提高了15%,达到每秒90.2个汉字的处理速度。

此外,商汤还推出了端侧模型矩阵,其中包括商量Mini写作助手、总结助手和百科助手等专门定制的模型。

这些专项模型在相应的场景下具有更优异的性能,能够满足客户复杂业务场景的需求,同时也能够提供不同的专项模型供客户选择或定制。

而且基于日日新5.5的端侧大模型还做到了“多快好”,还做到了“省”——每台使用成本最低可达每年9.9元。

在企业方面,与商汤达成合作的企业用户已经超过3000家,覆盖领域包括互联网、医疗、金融和编程等等。

而说到价格,说到普惠,就不得不提商汤此次提出的“0元Go”计划了:

那么看完商汤此次的整场发布,我们还需要回答一个问题:

对于这个问题,商汤CEO徐立给出了他的解读:

因此,应用,或许就成为了决定这个时代是不是人工智能超级时刻的一个关键。

这也就是为什么商汤要推出流式原生多模态交互模型的原因了,只有做到了更丰富更精准的多模态,以及更低延时更可控,方可让应用这件事更上一层楼。

总而言之,思路已然清晰,技术不断进步,属于AI2.0的超级时刻或许正在加速向我们逼近。

更新时间 2024-07-05