-
解密中国首个“音乐版Sora” | 中国AIGC产业峰会
编辑部 发自 AIGC峰会量子位 | 公众号 QbitAI 文生图、文生音频、文生视频、AI搜索引擎……大模型在多模态的进程可谓是愈演愈烈。 而聚焦在国内，有这么一家公司在AIGC大热潮的前后，单是“首个”就占了四席： 发布中国首个开源...
-
【AIGC-图片生成视频系列-7】MoonShot：实现多模态条件下的可控视频生成和编辑
目录 一. 贡献概述 二. 方法详解编辑 三. Zero-Shot主题定制视频生成 四. 文本到视频生成 五. 直接使用图像ControlNet 六. 图像动画比较 七. 视频编辑 八. 针对视频生成中多模态 Cross-Attn的消融实...
-
【大模型能力分水岭数学考试，文心一言超gpt4o排名第一】
文末有福利！ 2024年全国高考成绩陆续放榜，各位考生的成绩怎么样？在本次考试中还有几位特殊的考生——国内外知名的9个AI大模型也“参与”了本次高考，它们的成绩可谓也是“几家欢喜，几家愁”。 以河北省录取分数线（文科一本线：521分，理科一本线：...
-
京东广告研发——AIGC在京东广告创意的技术应用
一、前言 电商广告图片不仅能够抓住消费者的眼球，还可以传递品牌核心价值和故事，建立起与消费者之间的情感联系。然而现有的广告图片大多依赖人工制作，存在效率和成本的限制。尽管最近AIGC技术取得了卓越的进展，但其在广告图片的应用还存在缺乏卖点信息、难以规模...
-
【AIGC调研系列】InternVL开源多模态模型与GPT-4V的性能对比
InternVL和GPT-4V都是多模态模型，但它们在性能、参数量以及应用领域上有所不同。 InternVL是一个开源的多模态模型，其参数量为60亿，覆盖了图像/视频分类、检索等关键任务，并在32个视觉-语言基准测试中展现了卓越性能[2]。InternV...
-
[AI 大模型] 百度 文心一言
文章目录 [AI 大模型] 百度 文心一言 简介 模型架构 发展 新技术和优势 API 代码示例 [AI 大模型] 百度 文心一言 [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-0DwAIh0...
-
规格拉满！Llama和Sora作者都来刷脸的中国AI春晚，还开源了一大堆大模型成果...
鱼羊 明敏 发自 凹非寺量子位 | 公众号 QbitAI 本周国内最受关注的AI盛事，今日启幕。 活动规格之高，没有哪个关心AI技术发展的人能不为之吸引—— Sora团队负责人Aditya Ramesh与DiT作者谢赛宁同台交流，李开复与...
-
Llama 3 与 GPT-4：哪个更好？
Llama 3 和 GPT-4 是目前公开可用的两种最先进的大型语言模型（LLM）。让我们通过比较这两个模型的多模态性、上下文长度、性能和成本，来看看哪个 LLM 更好。 什么是 GPT-4？ GPT-4 是 OpenAI 开发的最新大型语言模型（...
-
深入探索Stable Diffusion：从原理到应用的全面解析
目录 一 Stable Diffusion的基本概念 什么是Stable Diffusion？ Stable Diffusion与传统生成模型的区别 二 Stable Diffusion的理论基础 扩散过程的数学描述 马尔可夫链蒙特卡罗方法（M...
-
AIGC底层技术介绍
1.AIGC概述 AIGC，全称Artificial Intelligence Generated Content，即人工智能生成内容。这是一种新兴的人工智能技术，其核心思想是利用人工智能模型，根据给定的主题、关键词、格式、风格等条件，自动生成各种类型...
-
在stable diffusion中如何分辨lora、大模型、controlnet
LoRA (LowRank Adaptation Stable Diffusion LoRA 是微软的研究人员为了解决大语言模型微调而开发的一项技术,它是一个多模态语言-图像模型，LORA 可以学习将其语言表征迁移到图像 modal 中从而获得跨模态...
-
【AIGC半月报】AIGC大模型启元：2024.06（下）
AIGC大模型启元：2024.06（下） (1 Gen-3 (2 Open-Sora 1.2（Open-Sora再升级） (3 Claude 3.5 Sonnet（Claude升级） (4 ChatTTS v3（ChatTTS升级） (...
-
国内 10 款主流语言大模型综合能力测评 包括文心一言、Kimi、豆包
很多国产的语言大模型在语言运用能力方面表现出色，特别是在特殊的语境中。测评中的语言大模型包括了： 阿里的通义千问。其表现最为突出，被作者称为"吵架Top AI"，不仅能生成尖锐、刻薄的回复，还能创造图像内容，展现了强大的多模态能力。 商汤的商量模型虽然...
-
全能大模型AIGC产品的体验与未来展望
目录 前言 1 使用体验分享 1.1 字节豆包 1.2 百度文心一言 1.3 阿里通义千问 1.4 腾讯元宝 2 大模型产品的对比与选择 2.1 产品功能对比 2.2 使用成本与便捷性 2.3 安全性与隐私保护 3 大模型产品的未来发展...
-
这届AI厂家，同质下同焦虑
这届WAIC世界人工智能大会上，每家AI企业似乎都找了自己的PMF（产品市场契合点）。 2023年是国产大模型元年，腾讯、字节、百度等众多大模型进入市场，正式开启对外服务，月之暗面、智谱AI等创业公司也形成“五小虎”的格局。迭代发展一年后，大模型选手们都已...
-
全球AI大事记·疯狂三月盘点：9万亿AIGC时代即将到来
刚刚过去的2024年3月，OpenAI最强人工智能（AI）大模型GPT-4发布了一周年，对于生成式 AI 的热度只增不减。 过去一个月内，OpenAI、谷歌、微软、英伟达、阿里等多家国内外大科技公司均发布多个关于 AI 的重要消息，动作不断，全球最强...
-
AI大模型排排坐——通义千问、文心一言、讯飞大模型使用体验
目前，通义千问、文心一言和讯飞大模型是较为受欢迎的AI模型，它们在使用方面各有区别和优劣势。以下是笔者近期使用三个模型的一点浅见: 一、通义千问 优势： 丰富的知识库：通义千问拥有庞大的知识库，能够为用户提供广泛的信息支持。 高效的检索能力：...
-
LLaMA-Adapter：零初始注意机制的语言模型高效微调
23年6月来自上海AI实验室，香港中文大学和UCLA的论文“LLaMA-Adapter: Efficient Fine-tuning of Language Models with Zero-init Attention“。 LLaMA-Adapter是...
-
AIGC内容分享(一)：一次性搞懂什么是AIGC
目录 前言 一、基本概念/理论 1、AI 2、AI大模型 3、开源 4、自然语言处理（NLP） 5、AIGC 6、AIGC和Chat GPT的关系 7、AIGC可以生成的内容 二、常见的AIGC应用 （一）常用AIGC软件 （二）A...
-
文心一言对GPT-4o的评价与分析
在人工智能的浪潮中，大型语言模型（LLM）的发展日新月异，为自然语言处理（NLP）领域带来了诸多突破。GPT系列模型作为其中的佼佼者，其每一次更新都牵动着业界的目光。近日，GPT-4o的发布更是引发了广泛的讨论。本文将从文心一言的视角出发，对GPT-4o进...
-
【AIGC评测体系】大模型评测指标集
大模型评测指标集 （☆）SuperCLUE （1）SuperCLUE-V（中文原生多模态理解测评基准） （2）SuperCLUE-Auto（汽车大模型测评基准） （3）AIGVBench-T2V（文生视频基准测评） （4）SuperCLUE-C...
-
混元单日调用tokens达千亿后，腾讯大模型战略露出全貌
大模型之争，到了不只是拼技术的时刻。 最新的行业风向是:谁能大范围应用落地?谁能笑到最后?谁能真正产生价值? 对大模型行业玩家的评判标准也不再只看技术。战略布局、落地进展、未来判断……成为了更被重视的维度。 无论“杨植麟们”还是大厂高管，公开探讨大模型的频...
-
对标GPT-4 Turbo！OpenAI断供后 科大讯飞星火API调用量大增
快科技7月8日消息，今年6月，OpenA宣布终止对中国提供API服务，有业内人士分析，这将打击部分借助OpenAI大模型套壳创业的公司。 日前，有投资者在互动平台向科大讯飞提问：OpenAI关停中国地区的API服务，讯飞火星有承接OpenAI国内用户的AP...
-
互联网十万个为什么之什么是AIGC？
AIGC（Artificial Intelligence Generated Content）即人工智能生成内容，即人工智能通过学习大量的数据，来实现自动生成各种内容，如文本、图像、音频、视频等，是继专家生产内容（PGC, Professional Gen...
-
国产大模型 WAIC 竞技：大厂拼落地，中厂显焦虑
如果想要度量国产大模型大小厂商的实力，WAIC（世界人工智能大会）是一个不错的切口。 众所周知，2023年是国产大模型元年，在去年的 WAIC 之后，腾讯发布混元大模型，字节跳动上线豆包 APP，而后通过豆包大模型正式开启对外服务，年轻的月之暗面、Mini...
-
千呼万唤的可灵网页版来了！基础模型重磅升级，新功能“炸场”WAIC
“这可能是本届WAIC上欢呼声最多的一场发布” 在刚刚闭幕的世界人工智能大会（WAIC）上，快手晒出了可灵发布一个月以来的成绩单: “超50万人申请，已开放给超30万用户使用，生成超700万条短视频。” 作为全球首个用户可用的真实影像级视频生成大模型，可灵...
-
AI+视频 | Nvidia 投资的AI公司，通过视频理解开创感知推理，获顶级风投5000万美元融资
在每天刷视频的时代，我们如何快速创作360度全方位理解的视频内容? Twelve Labs，一家旧金山初创公司，是由一支年轻的工程师团队Jae Lee 和 Aiden L 创立，该产品可在视频中提取特定视频瞬间，包括视觉、音频、文本和上下文信息，以实现语义...
-
达摩院发布一站式AI视频创作平台“寻光”，打造全新AI工作流
今年是 AI 视频生成爆发的元年，以 Sora 为代表的算法模型和产品应用不断涌现。短短几个月内，我们目睹了几十种视频生成工具的问世，基于 AI 的视频创作方式开始流行起来。 但新技术也引发更多的挑战与质疑，除了大家熟知的 “开盲盒”现象，AI 所生成的视...
-
破解ChatGPT惊人耗电！DeepMind新算法训练提效13倍，能耗暴降10倍
【新智元导读】ChatGPT能耗惊人，该怎么解?谷歌DeepMind新算法JEST问世，让LLM训练的迭代次数降低13倍，计算量减少10倍，或将重塑AI未来。 ChatGPT早已成为世界耗能大户:一天用掉超50万度电，相当于1.7万个美国家庭的用电量! 然...
-
LLaMA-Cult-and-More：深度学习的新里程碑
LLaMA-Cult-and-More：深度学习的新里程碑 在人工智能领域，尤其是自然语言处理（NLP）中，模型的规模和能力不断提升，推动了行业的飞速进步。今天我们要介绍的是一个名为LLaMA的开源项目，它由shm007g开发并维护，旨在提供高效的、大规...
-
10款AI绘画工具介绍，让你的绘画变得更简单
AI绘画工具是利用人工智能技术进行绘画创作的工具，近年来随着人工智能技术的发展，AI绘画已经成为一个独立的领域，并且在艺术、设计等多个领域得到了广泛应用。以下是一些常见的AI绘画工具介绍： 1：Stable-Diffusion（SD）/ SDXL1.0...
-
推荐大模型书籍|《从ChatGPT到AIGC：智能创作与应用赋能》
自2023年以来，AI聊天机器人ChatGPT火爆互联网，其颠覆性的使用体验重塑了人们对于AI的认知。而ChatGPT背后的技术―AIGC也引起了互联网圈的关注，打开了人们对AI应用的想象空间。本书从ChatGPT入手，以AIGC为中心，对AIGC的理论知...
-
AI视频创作一条龙！达摩院“寻光”平台炸场WAIC，突破可控编辑难题
AIGC时代，视频创作这事儿真的不一样了。 就像这样，轻轻一圈，选定目标立刻变身单独图层，再丝滑嵌入不同的背景视频，场景变换so easy~ 想要调整一下镜头角度，交给AI，同样能一键完成: 还能一键消除、修改目标: 后期再也不用加班加到手抽筋（d...
-
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...
-
AI日报：百度文心4.0免费开放；AI lab开源超强多模态大模型；对标GPT-4o！商汤发布日日新5o
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、百度文心智能体平台免费开放文心...
-
一文看懂LLaMA 2：大型多模态模型的新里程碑
一文看懂LLaMA 2：大型多模态模型的新里程碑 LLaMA 2是OpenAI继GPT-3之后推出的又一重磅模型，它不仅在文本生成方面有所突破，而且在图像处理和语音识别等领域也展现出了令人印象深刻的能力。本文将全面介绍LLaMA 2的背景、技术细节、应用...
-
拥抱 AGI：PieDataCS 引领云原生数据计算系统新范式
自2023年后，人工智能技术进入了一个更为成熟和广泛应用的阶段，人工通用智能（AGI）这一概念也成为了科技界和产业界热议的焦点。本文将结合 AGI 时代背景，从架构设计到落地实践，详细介绍拓数派云原生数据计算系统 PieDataCS。 1 中国...
-
一键部署LLaMA 3 Chinese Chat，含中文训练数据集；Food2K数据集下载，含2千类别，100万张图片...
前段时间 Llama 3 的重磅开源让 AI 圈的众人都兴奋了一把，但它对纯中文的支持不是很好，不能灵活地根据中文提问切换至相应语言进行回答。 hyper.ai 本周上线了 Llama 3 中文版——LlaMA 3 Chinese Chat 的部...
-
视频多模态模型: VideoChat、Video-LLaMA、Video-ChatGPT、Video-LLaVA等
VideoChat VideoChat?: 基于视频指令数据微调的聊天机器人 https://arxiv.org/pdf/2305.06355.pdf https://github.com/OpenGVLab/Ask-Anything/tr...
-
8人半年肝出开源版GPT-4o，0延迟演示全网沸腾！背后技术揭秘，人人免费用
【新智元导读】GPT-4o或许还得等到今年秋季才对外开放。不过，由法国8人团队打造的原生多模态Moshi，已经实现了接近GPT-4o的水平，现场演示几乎0延迟，AI大佬纷纷转发。 没想到，「开源版」GPT-4o这么快就来了! 昨夜，来自法国AI实验室kyu...
-
全员i人？《大闹天宫》MBTI测试让全公司炸锅！最神秘国产大模型团队出手了
【新智元导读】最近，公司全体同事都在疯狂沉迷这款《大闹天宫MBTI》测试!各种直击打工人的灵魂拷问，让所有i人和e人在职场极限场景中反复拉扯。国产黑马和上影打造的原汁原味《大闹天宫》画风，简直让人一秒穿越回童年。 就在最近，全公司都为这个大闹天宫MBTI测...
-
AI 技术创新可以有多硬核？ GOTC 2024 论坛议程抢先看
8 月 15 日至 16 日，GOTC 2024 将在上海张江科学会堂盛大开启。GOTC 2024 与上海浦东软件园联合举办，并结合 “GOTC（全球开源技术峰会）” 与 “GOGC（全球开源极客嘉年华）”，旨在打造一场全新的开源盛会。2024 全球开源极...
-
开源之光 Stable Diffusion 3 技术论文全解：公式占一半，实验很充分！
文章链接：https://arxiv.org/pdf/2403.03206 扩散模型通过反转数据到噪声的正向路径来从噪声中创建数据，并已成为处理高维感知数据（如图像和视频）的强大生成建模技术。Rectified flow是一种最近提出的生成模型形式，它将...
-
Stable Diffusion 3 文本生成图像 在线体验 原理分析
前言 本文分享使用Stable Diffusion 3实现文本生成图像，可以通过在线网页中免费使用的，也有API等方式访问。 同时结合论文和开源代码进行分析，理解其原理。 Stable Diffusion 3是Stability AI开发的最新、最先...
-
【AIGC半月报】AIGC大模型启元：2024.06（上）
AIGC大模型启元：2024.06（上） (1 ChatTTS（语音合成项目） (2 Mamba-2（大模型新架构Mamba升级） (3 GLM-4 9B（智谱开源LLM） (4 Seed-TTS（字节语音合成） (5 QWen2（阿...
-
AIGC-CVPR2024best paper-Rich Human Feedback for Text-to-Image Generation-论文精读
Rich Human Feedback for Text-to-Image Generation斩获CVPR2024最佳论文！受大模型中的RLHF技术启发，团队用人类反馈来改进Stable Diffusion等文生图模型。这项研究来自UCSD、谷歌等。 在...
-
【AIGC】GPT-4o技术分析-浅谈
GPT-4o：人工智能技术的全新里程碑 一、引言 二、GPT系列版本间的对比分析 三、GPT-4o的技术能力分析 多模态处理能力 速度与性能优化 情感理解与表达能力 四、个人整体感受 五、结语 一、引言 在人工智能技术的...
-
#08 未来趋势：Stable Diffusion在行业中的应用前景
文章目录 前言 1. 技术发展趋势 1.1 模型优化与效率提升 1.2 多模态融合 1.3 用户交互体验改进 2. 行业应用前景 2.1 创意产业 2.2 教育与培训 2.3 医疗健康 2.4 制造业 2.5 建筑与城市规划 3. 社...
-
海淀家长疯抢的AI神器，有人用它高考前60天提分100+？星火4.0打造最强AI学习机
【新智元导读】如何才是一台能真正帮到孩子的AI学习机?最近，搭载了星火4.0大模型，并全面升级AI1v1答疑辅导实现了超拟人对话的讯飞AI学习机，堪称最省爸妈的AI神器。 就在上周，2023年度国家科学技术大奖公布，科大讯飞作为第一单位荣获国家科学技术进步...
-
探索多模态智能边界：Visual-Chinese-LLaMA-Alpaca 开源项目解析与应用指南
探索多模态智能边界：Visual-Chinese-LLaMA-Alpaca 开源项目解析与应用指南 在人工智能领域，多模态学习正逐渐成为研究热点，它旨在融合视觉和语言信息，构建能够理解和生成跨模态内容的智能体。Visual-Chinese-LLaMA...