搜索
自 2024 年 GPT-4o 出现以来，业内各公司纷纷投入巨大的资源进行 TTS 大模型的研发。近几个月内，中文语音合成大模型如雨后春笋般涌现，如 chattts、seedtts、cosyvoice 等。
只用提示词，多模态大模型就能更懂场景中的人物关系了。
开源还是闭源，这是个问题。
社交娱乐、教育学习、商务办公是AI用户高频使用场景
三维数字人生成和编辑在数字孪生、元宇宙、游戏、全息通讯等领域有广泛应用。传统三维数字人制作往往费时耗力，近年来研究者提出基于三维生成对抗网络（3D GAN）从 2D 图像中学习三维数字人，极大提高了数字人制作效率。
2024年上海的7月是一个沉闷的雨季，但对国产AI 行业来说，却迎来了堪比摇滚乐集会的WAIC（世界人工智能大会）。
如今，Jeff Dean 已经成为谷歌 AI 掌门人，谷歌也从最开始一个狭小的办公空间搬到了加州总部「Bay View」园区。
Mini-Monkey 是一个轻量级的多模态大型语言模型，通过采用多尺度自适应切分策略（MSAC）和尺度压缩机制（SCM），有效缓解了传统图像切分策略带来的锯齿效应，提升了模型在高分辨率图像处理和文档理解任务的性能。它在多项基准测试中取得了领先的成绩，证明了其在多模态理解和文档智能领域的潜力。
跨GPU的注意力并行，最高提速8倍，支持512万序列长度推理。
别光只看Figure 02了，国产机器人最新成果曝光，大秀肌肉！