欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。
新鲜AI产品点击了解：https://top.aibase.com/
1、Anthropic宣布Claude 3 Haiku支持微调
Anthropic宣布用户现在可以在Amazon Bedrock中微调最新模型Claude 3 Haiku，提高模型在特定任务上的效果。微调功能使用户能根据业务需求定制模型知识和能力，带来诸多好处。
2、Heygen推对口型工具 上传照片+音频即可说话、唱歌
最近，AI照片“复活术”在网络上掀起波澜，Heygen推出对口型工具，让照片中人物根据音频内容说话、唱歌，支持长达20秒音频，唇形与表情同步。Heygen融资5亿美元，由Benchmark领投，发展势头强劲。中国区用户受限制，令部分用户失望。Heygen利用生成式AI技术制作影片，已筹集7400万美元。
3、百度飞桨PaddleOCR发布v2.8.0新版本
PaddleOCR v2.8.0作为飞桨深度学习开源框架下的文字识别开发套件，发布了里程碑式的更新。这个版本引入了前沿的OCR技术，包括PaddleOCR算法模型挑战赛的冠军方案，如场景文本识别算法SVTRv2和表格识别算法SLANet-LCNetV2，为OCR领域树立了新的标准。项目结构经过深度优化，非核心模块被迁移至新仓库，使项目更专注于OCR核心技术。新版本解决了历史疑难问题，提升了用户体验，增强了稳定性、兼容性和性能。
4、百度称萝卜快跑安全水平接近C919飞机
萝卜快跑公司推出第六代无人车，成功接入百度ApolloADFM大模型，安全性超过人类驾驶员10倍以上。百度对无人车安全性充满信心，每辆车及乘客投保500万元保险。运行数据显示出险率仅为人类司机的1/14，安全性表现卓越。百度Apollo自动驾驶技术已行驶超过1亿公里，无重大伤亡事故，成功实现武汉全域、全时空自动驾驶服务覆盖。
5、智谱AI宣布开源视频理解模型CogVLM2-Video
智谱AI最新开源的CogVLM2-Video模型在视频理解领域取得显著进展，通过解决时间信息丢失问题，实现了优异的性能表现。该模型不仅在视频字幕生成和时间定位方面表现出色，还为视频生成和摘要等任务提供了强大工具。通过自动生成丰富的时间定位数据集，模型在公共视频理解基准上达到最新性能，展现出卓越的性能。
6、腾讯AI实验室的项目vta-ldm：输入视频生成对齐音频
随着文本到视频生成技术的进步，研究者们关注如何生成与视频输入在语义和时间上对齐的音频内容。腾讯AI实验室推出VTA-LDM模型，通过隐含对齐技术提供高效音频生成解决方案，拓展视频生成应用场景。
7、GPT-4o和Sonnet-3.5在视力测试中败北，VLM们竟是“盲人”？
这篇文章揭示了视觉语言模型（VLMs）在图像处理能力上的局限性，通过BlindTest测试发现它们并非像人类一样能准确理解图像细节。文章呼吁对VLMs的视觉理解能力持谨慎态度，警示AI并未达到完全替代人类的水平。
8、商汤科技发布「东风」泰语大模型
商汤科技与泰国DTGO集团及Quinnnova联合发布了名为「东风」的泰语大模型（DTLM），这是全球首个能够在泰文、中文、英文三种语言环境下高效工作的AI大语言模型。该模型结合了商汤的基模型和算力优势以及DTGO对泰国语言文化的深入了解，旨在提供本地化的生成式AI体验。
9、三星 Galaxy AI 推出“数学辅导”新模式 告诉孩子解题技巧
三星在昨日的Unpacked活动上宣布了Galaxy AI的重大进展，推出了专为帮助儿童完成家庭作业而设计的AI助手。这一举措展现了三星在人工智能领域的雄心壮志，为智能手机市场带来新的竞争维度，推动整个行业向更智能、更有教育价值的方向发展。
10、三家欧洲汽车制造商将集成ChatGPT功能 提升驾驶体验
Stellantis旗下的法国标致、德国欧宝和英国沃克斯豪尔将整合ChatGPT人工智能技术，通过SoundHound的ChatAI系统提供语音助手功能，改善驾驶体验。这一合作标志着汽车科技的发展，将带来更自然、流畅的驾驶交互体验。
11、谷歌正通过Gemini AI训练机器人，提高导航和任务完成能力
谷歌正在利用Gemini AI训练机器人，提高其导航和任务完成能力。通过Gemini1.5Pro，机器人可以执行自然语言指令，计划执行超出导航范围的任务。研究表明，Gemini让机器人成功执行用户指令的成功率高达90%。尽管处理指令需要一定时间，但这些机器人有望帮助人们完成各种任务，如找到遗失物品。
12、OpenAI首次披露AGI评估标准：ChatGPT仅为第一级
OpenAI公司公布了内部量表，用于追踪其大型语言模型在通用人工智能（AGI）方面的进展，展示了其在AGI领域的雄心。该举措为业界提供了衡量AI发展的新标准，引发了对AI安全和伦理的担忧。
总结
【AI日报】总结：本期AI日报带来了人工智能领域的多项重要进展。首先，Anthropic宣布其最新模型Claude 3 Haiku现已支持在Amazon Bedrock中进行微调，这将提高模型在特定任务上的效果，并允许用户根据业务需求定制模型知识和能力。
其次，Heygen推出的对口型工具引起了广泛关注，该工具可以让照片中的人物根据音频内容说话和唱歌，这一创新功能展示了AI技术在媒体处理方面的强大潜力。
在OCR技术方面，百度飞桨PaddleOCR发布了v2.8.0版本，引入了前沿的OCR技术，并对项目结构进行了深度优化，这将进一步推动OCR领域的发展。
自动驾驶技术也取得了显著进展，百度推出的萝卜快跑无人车成功接入了百度ApolloADFM大模型，其安全性表现卓越，超过了人类驾驶员的安全水平。
此外，智谱AI宣布开源了视频理解模型CogVLM2-Video，该模型在视频理解领域取得了显著成果。腾讯AI实验室也推出了一项创新技术，即输入视频生成对齐音频的VTA-LDM模型，这将拓展视频生成应用场景。
然而，本期日报也揭示了AI技术的某些局限性，如视觉语言模型（VLMs）在图像处理上的不足，这提醒我们对AI技术的能力持谨慎态度。
最后，AI技术在不同行业和领域的应用也取得了新进展。商汤科技发布了「东风」泰语大模型，标志着AI技术在语言和文化领域的进一步普及；三星Galaxy AI推出了“数学辅导”新模式，帮助孩子解决数学问题，展现了AI在教育领域的应用潜力；三家欧洲汽车制造商将集成ChatGPT功能，以提升驾驶体验，这表明AI正在改变汽车行业；谷歌正在使用Gemini AI训练机器人，提高其导航和任务完成能力；OpenAI公布了评估通用人工智能（AGI）的新标准，标志着AI技术发展的又一里程碑。总的来说，本期AI日报展示了人工智能技术的快速发展和广泛应用前景。