AI新闻动态（2024-05-26到2024-06-01)

[ikaijua]

AI新闻动态（2024-05-26到2024-06-01)

目录

AI产品

1. OpenAI免费开放ChatGPT部分功能
2. 腾讯推出大模型APP「腾讯元宝」
3. ElevenLabs发布文本生成音效模型
4. AI音乐生成工具Suno 发布v3.5版本
5. Mistral发布开源编程模型Codestral，精通80+语言，仅22B

AI研究

1. 爆火开源文本转语音项目ChatTTS，一周斩获13k Star
2. 手语生成模型SignLLM
3. YOLOv10问世，性能大幅提升
4. 阿里巴巴发布视频虚拟试衣技术ViViD

AI洞察

1. GitHub CEO Thomas Dohmke的 Ted 演讲：《在 AI 的帮助下，每个人都能成为程序员》

AI投资

1. 马斯克的初创公司xAI完成了60亿美元的B轮融资
2. 有鹿机器人获超1亿元投资，推出了具身智能大模型LPLM-10B

[ikaijua]

2024-05-27 马斯克的初创公司xAI完成了60亿美元的B轮融资

1. 资金将用于推动产品商业化、建立先进基础设施和加速技术研发。
2. 本轮融资主要投资者包括Valor Equity Partners、Vy Capital、Andreessen Horowitz、Sequoia Capital、Fidelity Management & Research Company、Prince Alwaleed Bin Talal和Kingdom Holding等。
3. xAI由来自多个科技巨头的原开发人员组成，致力于探索宇宙本质。
4. xAI计划建造一台超级计算机以训练其人工智能聊天机器人Grok，预计2025年前运行。
5. xAI大量采购英伟达H100 GPU，用于提升计算能力和研发Grok 3.0。
6. 马斯克计划将拥有的英伟达GPU数量在今年底翻倍。

官方博客：https://x.ai/blog/series-b

媒体文章：

• 界面新闻：马斯克的xAI又融了60亿美元，还想用超级计算机加速狂奔

[ikaijua]

2024-05-30 腾讯推出大模型APP「腾讯元宝」

1. 腾讯元宝作为全能AI助手，提供AI搜索、AI总结、AI写作等功能。
2. 腾讯元宝接入微信搜一搜、搜狗搜索，并通过AI搜索增强，确保内容的高时效性，涵盖微信公众号等信息。
3. 除文本输入外，腾讯元宝还支持图片、文件、语音等多种输入格式，可一次性解析最多10个PDF/word/txt文件。
4. 腾讯元宝提供作图绘画、创意头像等有趣的生活功能，满足用户个性化需求。
5. 同时，腾讯元宝还具备时新热点、每日一问等资讯功能，帮助用户获取所需信息。
6. 腾讯混元大模型的参数规模已从千亿升级至万亿，预训练语料从万亿升级至7万亿tokens，性能提升超50%。
7. 目前，腾讯内部已有超600个业务及场景接入腾讯混元。

媒体文章：

• “腾讯云”微信公众号：腾讯元宝，来了！
• 机器之心：腾讯大模型App元宝上线，我们用它「单挑」了下GPT-4o
• 量子位：腾讯AI助手App元宝来了，公众号作者必备

[ikaijua]

2024-05-28 YOLOv10问世，性能大幅提升

1. YOLO系列目标检测系统迎来新升级，YOLO v10发布。
2. YOLO v10提升性能和推理延迟，减少46%延迟和25%参数。
3. 清华大学研究人员提出无NMS训练的一致双重分配方法。
4. YOLO v10在模型效率和准确性方面全面优化。
5. 采用轻量级分类头、空间通道解耦下采样和排序指导的块设计提升效率。
6. 通过大核卷积和部分自注意力模块增强准确性。
7. YOLO v10在不同模型规模上实现SOTA性能和效率。

项目Github地址：https://github.com/THU-MIG/yolov10

媒体文章：

• 机器之心：清华接手，YOLOv10问世：性能大幅提升，登上GitHub热榜

[ikaijua]

2024-05-31 有鹿机器人获超1亿元投资，推出了具身智能大模型LPLM-10B

1. 有鹿机器人由前阿里达摩院机器人实验室负责人陈俊波博士在2023年创建，是一家专注于机器人通用大脑研发的具身智能公司。
2. 有鹿机器人推出了具身智能大模型LPLM-10B，融合语言大模型和物理世界，解决具身模型的延迟、高次元等问题。
3. LPLM-10B被用于制作通用具身大脑Master 2000，帮助客户解决智能化升级研发中的投入产出比低痛点。
4. 有鹿机器人已获得超1亿元投资，万亿级市场商业模式前景看好。
5. 公司的使命是打造一个可以赋能不同制造企业的通用机器人大脑，适配于专业设备，帮助成熟的制造企业进行产品的具身智能模态升级。

媒体文章：

• 机器之心：有鹿机器人披露获超1亿元融资，携超千万元订单引领具身智能赛道进入商业化阶段

[ikaijua]

2024-05-31 爆火开源文本转语音项目ChatTTS，一周斩获13k Star

1. ChatTTS 能够转换中英文，支持细粒度控制，如笑声、停顿和语气词。

2. 该项目可以复刻特定人物的音色，如已故的乔布斯或歌手霉霉。

3. ChatTTS 在语音合成方面的流畅性和多说话人支持方面超越了大多数开源TTS模型。

4. 项目使用了超过10万小时的中英文数据进行训练。

5. ChatTTS 提供在线体验，核心功能包括文字转语音和与大语言模型的实时语音对话。

6. 项目开源了底模，但未包括经过SFT监督微调的模型。

项目地址：https://github.com/2noise/ChatTTS
在线使用：https://huggingface.co/spaces/Dzkaka/ChatTTS
在线colab：https://colab.research.google.com/drive/1fJGsNoKxUD62no-Y2mb5onAkhIXbsrI5?usp=sharing
演示视频：DataMatters/突破开源天花板！ChatTTS：对话式高可控的语音合成模型

B站视频：理想拖/来感受一下 ChatTTS 这个语音合成（TTS）模型

媒体文章：

• 机器之心：爆火ChatTTS突破开源语音天花板，3天斩获9k的Star量

[ikaijua]

2024-05-30 Mistral发布开源编程模型Codestral，精通80+语言，仅22B

1. Codestral模型参数量220亿，支持32k上下文窗口，训练了80多种编程语言。
2. Codestral在多项代码生成和补全任务中超越了700亿参数的Code Llama和其他模型。
3. Codestral性能优异，速度快，支持多种使用方式，包括在线对话和IDE插件。
4. Codestral采用Mistral的“非生产”许可协议，目前仅限于研究用途，不可商用。
5. Codestral模型权重已上传至HuggingFace，可下载部署，并有多个大模型框架支持。
6. Codestral在测试中取得最佳成绩，包括HumanEval、MBPP、CruxEval和RepoBench等评估。
7. Codestral支持FIM，对Python、JS和Java的HumanEvalFIM评分接近或超过90%。

模型：https://huggingface.co/mistralai/Codestral-22B-v0.1
在线使用：https://chat.mistral.ai/chat
官方新闻：Empowering developers and democratising coding with Mistral AI.

媒体文章：

• 量子位：最强开源编程大模型一夜易主：精通80+语言，仅22B

[ikaijua]

2024-05-27 AI音乐生成工具Suno 发布v3.5版本

1. v3.5版本允许生成最长4分钟的音乐片段，支持2分钟的歌曲延长，并显著改善了歌曲结构。
2. 新版本提供了更完整的音乐体验，解决了之前版本中因时长限制导致的歌曲不完整的问题。
3. Suno的更新使得从任何声音创作歌曲成为可能，降低了音乐创作的门槛，使得没有专业音乐知识的人也能创作音乐。
4. Suno能够适应不同风格的音乐创作，如民谣、抒情流行、轻爵士和独立音乐，展示了。
5. v3.5在音乐结构和自然过渡方面有显著改进。
6. Suno的新功能不仅适用于专业音乐创作，还适合在日常生活中为特殊场合创作个性化音乐，如节日、纪念日等。

使用地址：https://suno.com/
关于音乐的提示词大全：https://www.suno.wiki/

媒体文章：

• 数字生命卡兹克/Suno能够适应不同风格的音乐创作

[ikaijua]

2024-05-31 ElevenLabs发布文本生成音效模型

可以生成各种音效、短音乐、歌声、人物语音。

twittervid.com_elevenlabsio_bdfa78.mp4

使用地址：https://elevenlabs.io/app/sound-effects

[ikaijua]

2024-05-31 OpenAI免费开放ChatGPT部分功能

1. OpenAI宣布所有免费用户现在可以使用原本仅限于付费用户的五大功能，包括网页浏览、图片提问、数据分析、文件解读和访问GPTs。
2. 免费用户现在可以访问基于新模型GPT-4o的多种功能，这些功能之前仅供ChatGPT Plus、Teams和Enterprise等付费用户使用。
3. 尽管免费用户可以发现和使用自定义GPT，但他们无法创建自己的GPT，且付费用户仍专享GPT-4o的更高速率和图像生成功能。
4. 免费用户的GPT-4o使用存在消息或对话限制，达到限制后所用模型将自动恢复到GPT-3.5，而付费用户享有更多消息限制。
5. OpenAI可能通过扩大免费功能来急切地需要扩大用户群，以吸引更多用户和数据，同时保持付费用户的体验差异。
6. OpenAI的这一策略可能是为了吸引免费用户转变为付费用户，同时需要解决如何用新产品满足付费用户的问题，一些用户对OpenAI的付费服务保持期待。

媒体文章：

• 智东西：ChatGPT Plus五大功能一夜免费，OpenAI背刺付费用户？

[ikaijua]

2024-05-30 阿里巴巴发布视频虚拟试衣技术ViViD

1. ViViD视频虚拟试穿技术旨在通过合成视频让消费者看到衣物穿在自己身上的真实效果。该框架由中国科学技术大学和阿里巴巴集团的研究团队联合开发，利用扩散模型(DiffusioModels)来实现高质量和一致性的试穿视频。
2. 解决了传统图像方法在视频中的闪烁和伪影问题。生成高质量的视频，保留衣物细节和质感。构建了高分辨率、种类丰富的数据集，提升模型性能。
   项目及演示：

GitHub: https://github.com/alibaba-yuanjing-aigclab/ViViD
项目地址：https://becauseimbatmant0.github.io/ViViD
论文：https:/arxiv.org/pdf/2405.11794

[ikaijua]

2024-05-31 手语生成模型SignLLM

1. SignLLM 是第一个可以从文本生成手语的综合多语言模型。
2. Prompt2Sign涵盖了包括美国手语（ASL）在内的八种公共手语数据构建而成。包括：美国手语 (ASL)、德国手语（GSL，别名 DGS）、瑞士德语手语 (DSGS)、瑞士法语手语 (LSF-CH)、瑞士意大利语手语 (LIS-CH) 、阿根廷手语 (Lengua de Señas Argentina, LSA)、韩国手语 (KSL) 和土耳其手语 (TSL)。

Github地址：https://github.com/SignLLM/Prompt2Sign
项目介绍网页：https://signllm.github.io

[ikaijua]

2024-05-26 GitHub CEO Thomas Dohmke的 Ted 演讲：《在 AI 的帮助下，每个人都能成为程序员》

1. 2022年底 ChatGPT 的出现，让写程序这件事发生了改变，借助大语言模型，可以能运行的生成程序代码。
2. GitHub 推出的 GitHub Copilot，可以辅助开发人员编写代码，写一个开头，就能自动生成建议的代码，程序员只需要确认一下就可以。
3. 虽然说AI 对编程学习和普及的影响是巨大的，它使得越来越多的人能够轻松学习编程，专业软件开发者的职业并不会消失，因为设计和维护复杂的软件系统仍需要技术专家。
4. 尽管 AI 工具如 Copilot 能够极大地简化编程过程，但人类开发者仍然在整个过程中起着关键的创意和系统性思考的作用。
5. AI 作为协作工具，开发者需要根据不同的需求和目标，将大问题分解为小问题，并逐步实现。这也是为什么现在很多 AI 辅助工具都命名为 Copilot （副驾驶），因为还需要 Pilot（驾驶员）来做出专业的决策。

• youtube视频：With AI, Anyone Can Be a Coder Now | Thomas Dohmke | TED
• B站双语翻译视频：GitHub CEO Thomas Dohmke的 Ted 演讲：《在 AI 的帮助下，每个人都能成为程序员》（双语字幕）