文章庫ARTICLE COLUMN
簡介近年來，人工智能（AI）技術(shù)的進(jìn)步極大地改變了人類與機(jī)器的互動(dòng)方式，特別是在語音處理領(lǐng)域。阿里巴巴通義實(shí)驗(yàn)室最近開源了一個(gè)名為FunAudioLLM的語音大模型項(xiàng)目，旨在促進(jìn)人類與大型語言模型（LLMs）之間的自然語音交互。FunAudioLLM包含兩個(gè)核心模型：...
繼前幾日推出完開源大模型Llama 3.1后，就在剛剛，Meta在 SIGGRAPH 上重磅宣布 Segment Anything Model 2 (SAM 2) 來了。在其前身的基礎(chǔ)上，SAM 2 的誕生代表了領(lǐng)域內(nèi)的一次重大進(jìn)步 —— 為靜態(tài)圖像和動(dòng)態(tài)視頻內(nèi)容提供實(shí)時(shí)、可提示的對(duì)象分割，將圖像和視頻...
近日，當(dāng)下炙手可熱的快手宣布開源旗下明星產(chǎn)品可靈中一項(xiàng)重要技術(shù)項(xiàng)目LivePortrait。，該框架能夠準(zhǔn)確、實(shí)時(shí)地將驅(qū)動(dòng)視頻的表情、姿態(tài)遷移到靜態(tài)或動(dòng)態(tài)人像視頻上，生成極具表現(xiàn)力的視頻結(jié)果。如下動(dòng)圖所示：LivePortrait的主要功能包括從單一圖像生成生動(dòng)動(dòng)...
Perplexica是一個(gè)開源的人工智能搜索工具，也可以說是一款人工智能搜索引擎，它深入互聯(lián)網(wǎng)以找到答案。受Perplexity AI啟發(fā)，它是一個(gè)開源選擇，不僅可以搜索網(wǎng)絡(luò)，還能理解您的問題。它使用先進(jìn)的機(jī)器學(xué)習(xí)算法，如相似性搜索和嵌入式技術(shù)，以精細(xì)化結(jié)果，并...
Gradient Al最近將Llama-3 8B和7B模型通過漸進(jìn)式訓(xùn)練方法不斷將Llama-3模型的上下文長度從8k-路擴(kuò)展到262k、524k今天Gradient Al成功宣布成功地將Llama-3 系列模型的上下文長度擴(kuò)展到超過1 M...并且1M上下文窗口 70B 模型在 NIAH(大海撈針)上取得了完美分?jǐn)?shù)。...
項(xiàng)目簡介Khoj是一個(gè)開源的、個(gè)人化的AI助手，旨在充當(dāng)你的第二大腦。它能夠幫助你回答任何問題，不論這些問題是在線上的還是在你自己的筆記中。Khoi 支持使用在線AI模型(例如 GPT-4)或私有、本地的語言模型(例如 Llama3)。你可以選擇自托管 Khoj，也可以使用...
項(xiàng)目介紹Code2prompt 是一個(gè)命令行工具，能將你的代碼庫轉(zhuǎn)化為單一的大型語言模型（LLM）提示，結(jié)合源碼樹結(jié)構(gòu)，模板定制，以及令牌計(jì)數(shù)。它旨在簡化與高級(jí)上下文窗口模型如GPT或Claude的交互，助你在重寫代碼、查找bug、編寫文檔和實(shí)現(xiàn)新功能等方面提升效率...
在視頻中插入手繪動(dòng)畫！傳統(tǒng)上這是一項(xiàng)非常困難的任務(wù)，但 VideoDoodles 讓它成為可能。VideoDoodles是Adobe公司聯(lián)合多所大學(xué)推出的AI視頻編輯框架。支持用戶在視頻中輕松插入手繪動(dòng)畫，實(shí)現(xiàn)與視頻內(nèi)容的無縫融合。通過預(yù)處理視頻幀，系統(tǒng)提供平面畫布，用戶...
自從OpenAI公布了Sora后，震爆了全世界，但由于其技術(shù)的不成熟和應(yīng)用的局限性，未能大規(guī)模推廣，只有零零散散的幾個(gè)公布出來的一些視頻。昨日，快手成立13周年，可靈（Kling）大模型發(fā)布，體驗(yàn)后不由得感嘆，炸裂，太震撼了，快手可靈，除了那個(gè)沒發(fā)布的Sora...
項(xiàng)目簡介Funclip 是阿里巴巴通義實(shí)驗(yàn)室開源的一款視頻剪輯工具，專門用于精準(zhǔn)、便捷的視頻切片。它能夠自動(dòng)識(shí)別視頻中的中文語音并允許用戶根據(jù)語音內(nèi)容來裁剪視頻。該工具使用了阿里巴巴語音識(shí)別模型FunASR Paraformer-Large確保了剪輯的精準(zhǔn)性。你可以根據(jù)...
小模型，成為本周的AI爆點(diǎn)。與動(dòng)輒上千億參數(shù)的大模型相比，小模型的優(yōu)勢(shì)是顯而易見的:它們不僅計(jì)算成本更低，訓(xùn)練和部署也更為便捷，可以滿足計(jì)算資源受限、數(shù)據(jù)安全級(jí)別較高的各類場(chǎng)景。因此，在大筆投入大模型訓(xùn)練之余，像 OpenAI、谷歌等科技巨頭也在積極...
6月20日周四，OpenAI競(jìng)爭(zhēng)對(duì)手Anthropic發(fā)布了公司迄今為止性能最強(qiáng)大的AI模型Claude 3.5 Sonnet。在覆蓋閱讀、編程、數(shù)學(xué)和視覺等領(lǐng)域的多項(xiàng)性能測(cè)試中，Claude 3.5 Sonnet的性能略勝一籌，吊打GPT-4o等一眾競(jìng)爭(zhēng)對(duì)手的AI模型，且優(yōu)于自家旗艦?zāi)Ｐ虲laude 3 Opu...
項(xiàng)目簡介DeepSeek-V2，一個(gè)專家混合(MoE)語言模型，其特點(diǎn)是經(jīng)濟(jì)高效的訓(xùn)練和推理。它包含 2360 億個(gè)總參數(shù)，其中每個(gè)token激活了21億個(gè)參數(shù)。與 DeepSeek67B相比，DeepSeek-V2 實(shí)現(xiàn)了更強(qiáng)的性能，同時(shí)節(jié)省了 42.5%的訓(xùn)練成本，將 KV 緩存減少了 93.3%，并將...
檢查內(nèi)容是否用了ChatGPT，準(zhǔn)確率高達(dá)99.9%！OpenAI又左右互搏上了，給AI生成的文本打水印，高達(dá)99.9％準(zhǔn)確率抓「AI槍手」作弊代寫。其能夠精準(zhǔn)識(shí)別出論文或研究報(bào)告是否由ChatGPT撰寫，甚至能追溯其使用的具體時(shí)間點(diǎn)。它能專門用來檢測(cè)是否用ChatGPT水了論文...
在人工智能領(lǐng)域，自然語言處理技術(shù)一直備受關(guān)注。就在昨日,今年備受關(guān)注的國內(nèi)AI公司北京智譜AI發(fā)布了第四代 GLM 系列開源模型：GLM-4-9B。這是一個(gè)集成了先進(jìn)自然語言處理技術(shù)的創(chuàng)新平臺(tái)，它憑借清華大學(xué)KEG實(shí)驗(yàn)室提出的GLM模型結(jié)構(gòu)，為智能體功能的發(fā)展帶來...
近年來，大型語言模型（LLM）的誕生刺激了對(duì)即插即用人工智能系統(tǒng)的需求不斷增長，而在各種人工智能技術(shù)中，Prompt工程，即通過不斷調(diào)整給予大模型的指令以優(yōu)化大模型生成結(jié)果顯得尤為重要。然而，由于陡峭的學(xué)習(xí)曲線和大量的時(shí)間投入，用戶在編寫提示時(shí)經(jīng)常...
項(xiàng)目簡介AniTalker是一個(gè)開源項(xiàng)目，它利用靜態(tài)照片和音頻文件來創(chuàng)造動(dòng)態(tài)的面部說話視頻。AniTalker采用了一種通用的運(yùn)動(dòng)表示方法。這種創(chuàng)新的表示方法有效地捕捉了廣泛的面部動(dòng)態(tài)，包括微妙的表情和頭部動(dòng)作。AniTalker通過兩種自監(jiān)督學(xué)習(xí)策略增強(qiáng)了運(yùn)動(dòng)描述...
過去我們讓AI說話，它給出的總是不咸不淡的機(jī)器合成聲音，毫無波瀾的死板音調(diào)讓人聽得昏昏欲睡。但由于chatTTS的到來，一切都將會(huì)變得不一樣。作為一款強(qiáng)大的對(duì)話式文本轉(zhuǎn)語音模型，它完美解決了用戶對(duì)于生動(dòng)對(duì)話的需求。如此功能不可小覷，可以稱得上在業(yè)界...
OpenAI昨日發(fā)布了全新的小型AI模型GPT-4o mini，這一模型在性能和成本效益方面都取得了重大突破，Sam Altman驚呼：通往智能的成本，已變得如此低廉。性能與成本的完美平衡GPT-4o mini在性能上顯著超越了其前身GPT-3.5 Turbo，同時(shí)將成本降低了60%以上。每百萬...
在很長一段時(shí)間內(nèi)，占據(jù)大模型評(píng)測(cè)榜單最前列的大多是一些閉源模型，直到Meta再次發(fā)布了最新的開源模型。就在近日，Meta和OpenAI打響了硅谷 AI 大模型保衛(wèi)戰(zhàn)。美國當(dāng)?shù)貢r(shí)間7月23日，Meta正式發(fā)布Llama 3.1。其包含8B、70B 和405B三個(gè)規(guī)模，最大上下文提升到了...
NVIDIA和MIT的研究人員推出了一種新的視覺語言模型(VLM)預(yù)訓(xùn)練框架，名為VILA。這個(gè)框架旨在通過有效的嵌入對(duì)齊和動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)架構(gòu)，改進(jìn)語言模型的視覺和文本的學(xué)習(xí)能力。VILA通過在大規(guī)模數(shù)據(jù)集如Coy0-700m上進(jìn)行預(yù)訓(xùn)練，采用基于LLaVA模型的不同預(yù)訓(xùn)練策略...
前言近年來，大語言模型（Large Models, LLMs）受到學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注，得益于其在各種語言生成任務(wù)上的出色表現(xiàn)，大語言模型推動(dòng)了各種人工智能應(yīng)用（例如ChatGPT、Copilot等）的發(fā)展。然而，大模型的落地應(yīng)用受到其較大的推理開銷的限制，對(duì)部署資源...
在最近的大模型戰(zhàn)爭(zhēng)中，OpenAI似乎很難維持霸主地位。雖然沒有具體的數(shù)據(jù)統(tǒng)計(jì)，但Claude3.5出現(xiàn)后，只是看網(wǎng)友們的反響，就能感覺到OpenAI訂閱用戶的流失：既然Claude3.5比GPT-4o好用，為什么我們不去訂閱Claude呢？而這長達(dá)數(shù)月的批評(píng)聲中，OpenAI似乎盡顯頹...
6月25日凌晨，陸續(xù)有包括中國大陸在內(nèi)的各國和相關(guān)地區(qū)API開發(fā)者在社交媒體上表示，他們收到了來自一封來自O(shè)penAI的警告信。其內(nèi)容是：我們的數(shù)據(jù)顯示，貴組織的 APl 流量來自O(shè)penAl目前不支持的地區(qū)。您可以在此處找到受支持的國家和地區(qū)。我們將從7月...
近期，快手平臺(tái)又又又成為了焦點(diǎn)。就在OpenAI 當(dāng)家花旦 Sora 的公測(cè)還遙遙無期時(shí)，快手就率先祭出了對(duì)標(biāo)的當(dāng)家產(chǎn)品可靈。得益于其逼真、高清和與Sora不相上下的視覺表現(xiàn)，它迅速贏得了全球網(wǎng)民的喜愛。據(jù)快手，可靈申請(qǐng)用戶已經(jīng)近70 萬，已超30 萬用戶使用趁...
ChatGPT和Sora等AI大模型應(yīng)用，將AI大模型和算力需求的熱度不斷帶上新的臺(tái)階。哪里可以獲得...
大模型的訓(xùn)練用4090是不合適的，但推理（inference/serving）用4090不能說合適，...
圖示為GPU性能排行榜，我們可以看到所有GPU的原始相關(guān)性能圖表。同時(shí)根據(jù)訓(xùn)練、推理能力由高到低做了...
89542767
社區(qū)管理員
白馬嘯西風(fēng)