它能够感知和表达情感，并根据上下文和人类指令提供多种风格的语音响应，如说唱、戏剧、机器人、搞笑和低语等。 超过10万小时的学术和野外收集的语音数据， 涵盖了丰富的语音场景和风格。 SpeechGPT2...
分类： AI项目
Mistral AI 发布最新一代开源模型：Mistral Large 2
Mistral AI 宣布其旗舰开源模型的下一代产品：Mistral Large 2，该模型拥有 1230 亿个参数，在代码生成、数学、推理等方面与 OpenAI 和 Meta 的最新尖端模型不相上下。 紧随 Llama 3.1 405B 之后，Mistral Large 2...
Exa AI：真正的AI搜索引擎
一个AI搜索引擎诞生：Exa AI。该公司最近宣布获得了1700万美元的A轮融资，由Lightspeed领投，Nvidia的NVentures和Y Combinator参投。 与其他旨在取代谷歌的AI驱动搜索引擎不同，Exa的目标是创建一个专门为AI设计的搜索工具。
一个开源项目：AI相册
相册AI是一个实验项目，使用最近发布的gpt-4o-mini作为视觉模型，自动识别相册中图像文件的元数据。然后，它利用 RAG 技术来实现与专辑的对话。 它可以用作传统相册，也可以用作图像知识库来辅助LLM进行内容生成。
H2O-Danube3：可以直接在手机上运行的开源模型
H2O.ai 凭借最新的 Danube3-4B 版本超越苹果并与微软竞争，在 10 次 HellaSwag 基准测试中实现了超过 80% 的准确率 新发布的 H2O-Danube3 现已在 Hugging Face 上全球发售。 H2O SLM 系列的最新成员包括 H2O-Danube3-4B...
RenderNet Al 推出视频换脸功能
RenderNet Al是一款强大的图像生成工具，专注于创建一致的角色， 并控制其姿势、构图和风格，现在推出了视频换脸功能.. 这款 AI 视频换脸工具非常强大
Stability AI推出Stable Assistant两大新功能
Stability AI宣布为其用户友好型聊天机器人Stable Assistant推出两项创新功能，进一步提升用户体验和创造力。这两项新功能分别是图片编辑中的搜索和替换，以及通过Stable Audio生成高质量音频。
LibreChat：一个免费的开源 ChatGPT 克隆版
LibreChat是一个免费的开源ChatGPT克隆版，用户可以在一个界面中选择使用不同的AI模型。它支持与OpenAI、Azure、Anthropic和Google等AI模型服务的集成。用户甚至可以在对话中切换AI模型，并使用DALL-E或Stable Diffusion等插件进行图像生成。
OpenAI开发系统“自定义”AI进化等级，自认接近第二级类人推理
OpenAI的系统划分了五个AI水平，按一到五的数字由低到高排列等级。OpenAI的高管告诉员工，公司认为目前自身产品处于第一级，但即将达到第二级，也就是，可以完成基本问题解决任务的系统，类似于拥有博士学位但无法使用任何工具的人。
Odyssey：提供影视级别的 AI 视频生成和编辑工具
高质量几何生成：生成精细的三维几何形状，用于构建逼真的场景和物体。 写实材质生成：创建高度真实的材质，使得生成的物体看起来更加生动和自然。 惊艳的光照效果：生成和控制光照效果，增强场景的视觉冲击力和氛围。 可控的运动生成：创建和调整动画和运动效果，使得场景和角色更加动态和逼真。
三星首款智能戒指Galaxy Ring发布
三星在巴黎举办Unpacked 2024发布会，除了发布Galaxy Z Fold6、Galaxy Z Flip6两款折叠屏手机外，三星还发布了首款智能戒指：Galaxy Ring Galaxy Ring与普通戒指类似，共九种尺寸，可选钛黑、钛银、钛金三款配色，重量最轻2.3克，戴在手上基本无感。
MimicBrush：通过模仿参考图像对目标图像选定区域自动进行局部编辑
MimicBrush是一种新型的零样本图像编辑技术，由阿里巴巴和香港大学的研究团队共同推出。它允许用户通过上传参考图片来实现原图的局部风格重绘。用户只需指定待编辑的区域并提供一张参考图片，MimicBrush就能够自动理解并模仿参考图片的风格，完成编辑任务。
BBC报道 ：一个人使用ChatGPT 取代了60名员工
他们的工作逐渐被 ChatGPT 所取代，而他们的职责则变成了专门修改AI生成的文章，使其不那么机械化和公式化 公司引入了一个自动化系统：经理将文章标题输入在线表单，AI生成大纲，
一款语音工具：sherpa-onnx
一款语音识别、语音合成、说话人识别、说话人验证等集成了多种语音处理功能的工具：sherpa-onnx 支持：语音识别（ASR，支持流式和非流式）、语音合成（TTS）、说话人识别、说话人验证、语种识别、音频标注、声音活动检测（VAD，例如silero-vad）、关键词检测等
根据单张图像和音频输入生成唱歌和说话视频
和EMO相比，该项目已开源😄 它能够通过输入语音，生成对应的人物嘴唇同步、表情变化和姿态变化的动画。 提高了语音与生成动画之间的对齐精度，使动画的嘴唇、表情和姿态与语音更匹配。 提供对角色表情、姿态和嘴唇运动的精确控制。 支持多种表情和姿态的自适应控制，增强动画的多样性和真实性。
AI开源项目：AI Math Notes
AI Math Notes 是一个互动绘图应用程序，用户可以在画布上绘制数学方程。 绘制完方程后，应用程序会使用多模态大语言模型 (LLM) 计算结果，并在等号旁显示。 该应用程序使用 Python 编写，图形用户界面采用 Tkinter 库，图像处理使用 PIL 库。