在OpenAI的GPT-4語音助手引起熱議之際,一個新的參與者出現了 - Moshi AI,這是一個由法國公司Cute AI Labs開發的開源語音助手。這個基於網頁的界面承諾提供低延遲的互動和情感感知的語音。

Moshi AI的主要亮點包括:

• 低延遲: Moshi AI旨在提供實時、中斷驅動的語音體驗,不同於語音助手通常存在的延遲響應。

• 情感感知: 該助手聲稱能夠檢測和響應用戶的情感語調,儘管在測試期間這一功能並未始終如一地展現。

• 開源: Cute AI Labs計劃開放Moshi AI的源代碼,讓開發者可以將其集成到自己的應用程序中。

雖然初步測試顯示該助手在某些能力方面存在局限性,如語音調制和情感檢測不一致,但Moshi AI的開源性質表明,隨著社區的參與,它有望隨時間而不斷改進。

Moshi AI的出現,加上GPT-4語音功能的預期發布,標誌著對話式AI領域進入一個令人興奮的時期。隨著這些技術的不斷發展,用戶可以期待看到更多創新和易於使用的語音助手出現,可能會改變我們與技術互動的方式。

就在7年前,AI圖像生成的最先進技術還難以辨認。現在,最新的視頻生成模型GenFree已經取得了巨大進步,產生了令人驚嘆的逼真和創造性的視覺效果。

雖然GenFree是一項令人印象深刻的成就,但我們需要了解它的能力和局限性。該模型擅長生成高質量的電影鏡頭,如燈塔的無人機拍攝,這要歸功於它在相關視覺數據上的廣泛訓練。然而,它在處理更具體的請求(如創造一隻水獺衝浪)時會遇到困難,因為其訓練集中缺乏這種特殊的例子。

GenFree的一個關鍵優勢是它能夠融合不同的藝術風格。通過提示模型以荷蘭畫家希羅尼姆斯·博斯的風格創造一個場景,結果是中世紀幻想與現代GTA風格電影攝影的迷人融合。

然而,使用GenFree的成本也會迅速增加。每10秒的生成需要1美元的積分,而要達到理想的結果通常需要多次迭代。這可能會使該工具對於偶爾的實驗來說過於昂貴。

儘管存在這些局限性,GenFree的潛力是不可否認的。隨著模型的不斷改進和使用成本的降低,我們可以期待看到更多的實際應用,例如摩托羅拉利用AI生成視頻的廣告活動。

同時,GenFree最有價值的用途可能是在創造性探索和實驗的領域。向模型提供不尋常的元素組合,如"戴帽子的貓咪舞會",可以產生出令人愉悅的奇特和富有想像力的結果。

隨著AI視頻生成領域的快速發展,探索這些尖端工具的能力和局限性是一個令人興奮的時期。通過耐心和願意實驗,用戶可以釋放GenFree的全部潛力,並推動AI驅動視覺效果的界限。

11 Labs一直在為其語音助手平台推出新功能。主要更新包括:

1. 經典聲音: 11 Labs的閱讀器應用程序現在允許美國、英國和加拿大的用戶使用詹姆斯·迪恩或伯特·拉爾等經典聲音朗讀文本。這為文字轉語音體驗增添了趣味性和獨特性。

2. 音頻隔離: 11 Labs發布了一款新的AI工具,可以從嘈雜的音頻中隔離出聲音。這使用戶能夠去除背景噪音,獲得清晰的音頻,類似於其他公司今年早些時候推出的功能。

3. AI音樂生成移動應用程序: Sooner,一款音樂生成AI,發布了一款移動應用程序,允許用戶在移動設備上生成AI音樂。然而,這目前僅限於美國的iOS用戶,待多語言功能集成後,才會推出Android版本和全球版本。

11 Labs和Sooner的這些更新展示了語音助手和音頻操作功能通過AI不斷取得進步和擴展。雖然經典聲音和音頻隔離功能立即有用,但移動音樂生成應用程序則預示著AI驅動創造力在移動端的潛力。

順便提一下,Luma AI也發布了一項名為Luma Keyframes的全新功能。這項功能允許您將一件事物轉換為另一件事物,使用AI視頻創造出平滑的過渡。

我們決定對這項功能進行測試,使用來自我們星球大戰主題團隊視頻的Mid-Journey生成圖像。我們的目的是看看Luma Keyframes功能如何處理這些過渡。

不幸的是,結果有些令人失望。在我們測試的8名團隊成員中,8個過渡都勉強可用。該功能通常會導致場景中間出現硬切換,而不是我們希望看到的平滑過渡。

確實有一些例外,如Ariad的光劍過渡效果相當不錯。Larry在Yoda般和邪惡角色之間的過渡也有一些有趣的時刻。但總的來說,結果並沒有我們預期的那麼無縫。

看來,儘管Luma Keyframes功能是一個有趣的概念,但在實踐中它仍需要大量的迭代和微調才能獲得可用的結果。AI生成的內容,儘管在視覺上很引人注目,但並不總是適合這種類型的平滑過渡。

總之,Luma Keyframes功能顯示出了前景,但根據我們的測試,它還沒有準備好投入正式使用。這項技術仍在不斷發展,我們將看到它如何隨時間而改進。目前來說,最好以謹慎的期望來看待它。

摩托羅拉最近在其最新的廣告活動中展示了AI視頻技術的創新用途。通過利用Control Net和Stable Diffusion等工具,該公司能夠生成一系列將摩托羅拉標誌融入各種時尚風格的圖像。

工作流程可能涉及使用Control Net將摩托羅拉標誌插入圖像,然後使用Stable Diffusion生成最終的視覺效果。這些圖像隨後被編輯成一則商業廣告,配有音樂和剪輯,創造出一個精緻而視覺吸引力的最終產品。

這個例子展示了公司開始探索AI視頻生成在現實世界中的實際應用。雖然質量可能還無法與Gen-Free展示的最先進示例相匹敵,但摩托羅拉的廣告活動表明,AI驅動的視頻可以成為某些內容創作的可行且成本效益高的解決方案。

隨著技術的不斷進步,我們可以預期看到越來越多的品牌和企業將AI視頻納入到他們的營銷和廣告策略中。這代表了AI驅動媒體製作領域的一個令人興奮的發展,未來行業的演變將令人關注。

Perplexity,這款AI驅動的搜索引擎,推出了一項名為"Pro Search"的新功能,旨在提供更高級和全面的搜索功能。這一功能集成了多步推理和對外部數據源(如數學、編程和Wolfram Alpha)的訪問,以提供更準確和信息豐富的搜索結果。

Perplexity Pro Search功能的關鍵方面包括:

1. 多步推理: 搜索引擎現在可以分解複雜的查詢,並進行多步推理,提供更全面和相關的響應。這使用戶能夠提出更細緻和詳細的問題,並獲得量身定制的答案。

2. 外部數據整合: Perplexity Pro Search現在可以訪問和利用來自外部來源的數據,如數學計算、編程資源和Wolfram Alpha知識庫。這種整合使搜索引擎能夠提供更準確和信息豐富的響應,特別是對於需要專門知識或計算的查詢。

3. 高級功能: Perplexity Pro Search功能目前作為Perplexity訂閱者的高級功能提供。這使經常依賴該平台的用戶能夠訪問這些高級搜索功能,並提升整體搜索體驗。

Perplexity Pro Search的引入代表了向更智能和主動式搜索的一步,AI系統可以主動推理並利用外部資源,為用戶提供更全面和有用的信息。隨著對高級搜索功能的需求不斷增長,這種功能在AI驅動的搜索格局中可能會變得越來越重要。

視頻中最有趣和有趣的AI實驗之一是由社區中的Carol分享的"Interdimensional Cable ONE"網站。這個網站是著名動畫片"瑞克和莫蒂"中"跨維度有線電視"概念的再現。

在該劇中,瑞克叔叔從另一個維度帶回一台電視機,讓角色們能夠觀看跨越多元宇宙的隨機和奇異的電視頻道。WebSim AI團隊使用網絡AI重建了這一概念,創造了一個網站,提供同樣隨機和不可預測的觀看體驗。

當你加載Interdimensional Cable ONE頁面時,你永遠不知道會看到什麼。它呈現了一系列超級隨機和迷幻的視頻,捕捉了該劇"跨維度有線電視"概念的本質。這個實驗最可能引起忠實"瑞克和莫蒂"粉絲的共鳴,他們會欣賞細節的注意力和對該劇獨特美學的忠實再現。

這段視頻突出了,並非所有的AI世界都必須是關於生產力或嚴肅應用的。AI的有趣和實驗性一面,如古怪的視頻生成或跨維度有線電視啟發的網站創建,同樣令人興奮和值得探索。這個項目證明了AI和流行文化交匯處所產生的創造力和玩趣性。

最近發布了一個名為Dolphin Vision 72B的全新無審查多模態模型。這個模型是Quen 2模型的一個改版,代表了我們迄今看到的最大參數規模。

運行這個模型將是相當具有挑戰性的,因為它需要一台怪物級的PC或租用大量GPU。它目前還沒有廣泛流行,但其發布是我們未來發展無審查多模態模型的一個有趣信號。

這類無限制的模型開啟了全新的可能性領域,既令人興奮又令人擔憂。開源社區很可能會開始構建我們現在無法預測存在的各種應用程序。

然而,這個模型缺乏任何限制也引發了嚴重的道德問題。這是一把雙刃劍,它將產生有趣的結果,但也有被濫用和濫用的潛在風險。

隨著這些無審查模型的能力不斷增強,AI社區將需要應對其影響,並致力於負責任的開發和部署。

Figma,這個流行的設計平台,最近宣布了一套AI驅動的功能,有望徹底改變設計師的工作方式。兩個突出的功能是"Prompt to UI"和"Visual Search"。

"Prompt to UI"功能允許設計師只需描述他們想要的用戶界面類型,Figma的AI就會為他們生成整個設計。這有望大大簡化設計過程,使設計師能夠快速迭代想法並探索新的概念。

然而,這一功能也引發了一些爭議,因為它似乎密切模仿了蘋果天氣應用程序的設計。Figma隨後禁用了這一功能,承認需要確保其AI生成的設計不會侵