“O”:视频输出。2023年,我们看到了文字到视频合成的浪潮:WALT(谷歌)、EmuVideo(Meta)、Align Your Latents(英伟达)、Pika等等,数不胜数。然而,大多数生成的片段仍然很短。我将它们视为AI视频的“系统1”——“无意识”的局部像素运动。
ChatGPT之于AI助手,不会像谷歌之于搜索一样。
1月3日,钉钉联合国际知名咨询机构IDC发布首份《2024AIGC应用层十大趋势白皮书》。IDC预测,到2024年全球将涌现出超过5亿个新应用,这相当于过去40年间出现的应用数总和。
该方法利用专有的大型语言模型在约100种语言的文本嵌入任务中生成了各种合成数据。与复杂的预训练阶段不同,该方法使用基本的对比损失函数,将开源的仅解码的大型语言模型在生成的合成数据上进行微调。
DreamTalk能够生成高质量的动画,使人物脸部动作看起来非常真实。除了逼真的嘴唇动作,它还能展现丰富的表情,使动画更加生动。此外,DreamTalk支持多种语言,无论是中文、英文还是其他语言,都能很好地同步。