元宇宙(Meta)剛剛發布了他們的新一代尖端AI模型Llama 3,並將其開源。這是AI領域的一個重大進展,因為Llama 3擁有令人印象深刻的能力和性能。

發布包括兩個版本的Llama 3 - 一個有80億參數,另一個有700億參數。這些模型的性能與一些最好的現有開源模型(如Claude 3 Opus和Gemini Pro 1.5)相當。

然而,真正令人興奮的是即將推出的4000億參數的Llama 3模型。這個更大的模型預計將有顯著改善的能力,包括多模態、多語言對話和更大的上下文窗口。早期的基準測試結果表明,這個模型將與GPT-4和Claude 3 Opus相媲美。

要使用Llama 3,您可以通過Hugging Face平台或新的Meta AI網站meta.vn進行訪問。該網站提供了一個獨特的功能 - 在回答問題時搜索網頁並引用來源,這是連流行的Claude模型也無法原生做到的。

Meta AI網站的另一個亮點是實時圖像生成工具。用戶可以輸入提示,AI會實時生成並更新圖像。這包括生成動畫圖像的能力,這是其他AI圖像生成工具(如Dall-E或Stable Diffusion)尚未具備的。

總的來說,Llama 3的發布是開源AI模型世界的一個重大進步。憑借其出色的性能和獨特的功能,Llama 3必將成為AI領域的一個重要變革者。

上週末,英偉達(Nvidia)宣布發布了具有視覺集成功能的GROCK 1.5版本。基準測試顯示,這個新版本與其他也具有視覺功能的模型相當。

在英偉達網站上分享的一些示例包括:

• 從圖表中編寫代碼:英偉達提供了一個白板圖,然後由GROCK 1.5轉換為代碼。
• 其他示例展示了GROCK 1.5生成圖像並將其納入回應的能力。

作者檢查了自己的GROCK帳戶,但視覺集成功能尚未推出。一旦可以使用,他們計劃對GROCK 1.5的功能進行更深入的測試。

宣布推出具有視覺功能的GROCK 1.5是一個令人興奮的發展,因為它顯示了英偉達持續努力擴展其大型語言模型的能力。將視覺和語言處理相結合,為AI應用程序開啟了新的可能性。

PoChat最近推出了一項名為「多機器人聊天」的新功能,允許用戶在單個對話中無縫切換不同的語言模型。這一功能代表了我們與大型語言模型互動的未來發展的重要一步。

PoChat的多機器人聊天功能的關鍵方面包括:

1. 模型選擇:用戶可以選擇召喚特定的語言模型,如Claude 3 Opus、Gemini 1.5 Pro或GPT-4,來回答不同部分的查詢。這允許用戶利用每個模型的獨特優勢。

2. 自動模型選擇:PoChat也可以根據用戶的問題自動選擇最合適的模型,確保他們獲得最佳回應。

3. 無縫對話:模型之間的過渡是無縫的,允許用戶保持自然的對話流程,不會中斷。

這種方法代表了一種脫離目前單一語言模型用於所有任務的模式。相反,它接受不同模型可能擅長不同類型的查詢或任務的想法。通過允許用戶選擇最合適的模型或由系統做出決定,PoChat提供了更加量身定制和有效的對話體驗。

隨著語言模型的不斷發展和專業化,我們可以預期會看到更多平台和應用程序採用類似的多模型方法。這將使用戶能夠利用各種模型的獨特優勢,從而獲得更準確、更相關和更有幫助的回應。

此外,能夠召喚特定模型來執行編碼或醫療分析等任務,在專業和企業環境中可能特別有價值。用戶可以快速訪問最合適的模型,提高生產力和效率。

總之,PoChat的多機器人聊天功能是我們將如何與大型語言模型互動的未來的一瞥。通過採用多模型方法,用戶可以享受到更個性化和有效的對話體驗,為下一代AI驅動互動鋪平道路。

AI世界正在經歷重大公告和發展。其中最大的新聞是微軟和谷歌之間的AI霸權之爭。

幾週前,有報導稱微軟和OpenAI正在合作建造一個價值1000億美元的數據中心,以增加計算能力並推進人工通用智能(AGI)的發展。現在,谷歌也做出了回應,DeepMind的負責人表示,谷歌也將在未來幾年內投資至少1000億美元建設類似的基礎設施。

這表明,這兩家科技巨頭都在大量投資,爭相成為首個實現AGI的公司 - AGI是AI的聖杯,擁有人類級別的智能和推理能力。微軟和OpenAI正在建設1000億美元的數據中心,而谷歌也在進行超過1000億美元的同等投資,這場競賽正在激烈進行。

這場AI霸權之爭表明,這些進步變得多麼關鍵。率先實現AGI的公司可能會獲得重大的競爭優勢。兩家公司都投入超過1000億美元,這突出了在這場AI軍備競賽中利害攸關的巨大規模。

隨著這些科技巨頭繼續投入資源到他們的AI努力中,看哪家公司最終在實現AGI的競賽中勝出將是非常有趣。實現人類級別的AI可能會產生深遠的影響,使這場即將到來的戰鬥成為未來幾年需密切關注的重要事件。

雖然我們目前無法輕易訪問Stable Diffusion 3,但它很可能很快會集成到許多AI圖像應用程序中。預計將集成Stable Diffusion 3的一個應用程序是Leonardo AI。

除了Stable Diffusion 3,Leonardo AI reportedly還將在不久的將來推出一項新的風格轉換功能,甚至可能在本視頻發布時就已經推出。他們提供的示例顯示,上傳一張圖像作為風格參考,然後生成幾張使用相同風格的圖像。

生成的圖像具有一致的藝術風格,例如展示一個人滑翔傘、穿著未來朋克風格服裝的人,以及其他場景都採用了這種獨特的視覺風格。這種風格轉換功能被認為是Leonardo AI AI驅動圖像生成工具套件的一個強大補充。

雖然未分享具體的提示,但將藝術風格跨多個生成圖像進行轉換的能力是一個令人興奮的發展,可能為平台用戶開啟新的創意可能性。隨著AI圖像生成技術的不斷進步,這種風格轉換功能很可能會變得越來越普遍和有價值,對於藝術家、設計師和內容創作者來說尤其如此。

微軟最近發布了名為VASA-1的研究,允許用戶上傳一張頭像照片和一段音頻,然後生成一個結合頭像和音頻的對話視頻。這與之前的Synthesia和Rephrase.ai等工具不同,因為生成的視頻展示了高度的情感和自然的面部運動,包括眨眼、眉毛上揚和頭部/身體移動。

微軟提供的示例展示了該技術創造非常逼真的對話頭視頻的能力。一個示例展示了一個人討論扭轉人生,面部表情和動作看起來非常自然和令人信服。另一個示例展示了一個人討論適度運動,同樣具有非常逼真的對話頭動畫。

微軟表示,由於擔心可能被濫用於製造深度偽造,他們對廣泛發布這項技術持謹慎態度。因此,目前尚不清楚何時將這一功能提供給普通大眾。然而,這項研究表明,其他公司可能會開發類似的技術,並可能更早發布。

這種AI生成的對話頭技術可能對需要製作視頻但無法進行現場採訪的內容創作者有用。它也可能應用於播客等領域,將音頻格式增強為生成的對話頭視頻。總的來說,VASA-1代表了AI驅動視頻生成技術的一個令人印象深刻的進步。

本週,一項名為「Instant Mesh」的新研究在Apache 2.0開源許可下發布。Instant Mesh允許您上傳一張2D圖像,並將其轉換為3D物體,然後可以下載。

要試用,有一個Hugging Face演示可用。您只需將圖像拖放到輸入中,該工具就會對其進行處理,生成3D版本。

例如,當我上傳一張機器人的圖像時,該工具首先移除了背景。然後,它生成了多個視角和角度的3D機器人解釋。生成的3D物體可以下載為OBJ或GLB文件。

雖然3D模型可能並不完美,無法立即用於遊戲或3D項目,但它提供了一個不錯的草稿,您可以在Blender等工具中進一步完善。這可以成為3D內容創作的一個有用的起點,特別是對於那些3D建模技能不強的人來說。

總的來說,Instant Mesh是一個有趣的新開源工具,可以更輕鬆地將2D圖像轉換為3D物體。這是AI驅動3D創作領域的一個有前景的發展。

Adobe在NAB會議上做出了一些令人興奮的公告,展示了他們最新的AI驅動功能,將應用於Adobe Premiere。這些進步有望徹底改變視頻編輯的格局,為內容創作者賦予前所未有的能力。

其中一個亮點功能是能夠直接在Premiere中生成和插入內容。Adobe演示了Pika、Runway和備受期待的Sora等模型的集成,允許用戶生成視頻片段、延長鏡頭,甚至移除或修改場景中的物體。這種將AI驅動工具直接集成到編輯工作流程中是一個遊戲規則的改變,簡化了創作過程,為視頻創作者開啟了新的可能性。

另一個令人印象深刻的功能是AI驅動的色彩分級,它承諾能夠在整個項目中提供一致和專業級別的色彩校正。這種對傳統上耗時的任務的自動化,將是對那些可能不擅長色彩分級的編輯來說是一大福音,使他們能夠輕鬆實現精緻、視覺協調的成果。

此外,AI驅動的運動跟蹤集成有望簡化視頻中元素跟蹤和穩定的過程。這一功能與DaVinci Resolve中現有的「魔法遮罩」功能相結合,將為編輯人員提供強大的工具,以提升他們項目的製作價值。

Adobe Premiere和DaVinci Resolve中這些AI驅動的進步,清楚地表明人工智能正在對視頻編輯行業產生變革性的影響。通過將這些功能無縫集成到創作者已經使用的工具中,Adobe和其他行業領導者正在賦予用戶以推動視覺敘事可能性的新邊界。

隨著這些技術的不斷發展和更加普及,我們可以預期視頻內容的創作、編輯和完善方式將發生重大轉變。視頻編輯的未來無疑是AI驅動的,而Adobe和其他公司的最新公告只是新時代的開端。

DaVinci Resolve第19版引入了兩項新的AI驅動功能:

1. AI色彩分級:這一