阿里云通义听悟新增视频自动提取PPT；鸿蒙4.0或搭载AI大模型 | AI日报

欢迎围观“头号AI玩家”的「AI日报」栏目。AIGC前沿资讯，及时拿捏！

【1分钟速看版】

🔧 阿里云通义听悟新增视频自动提取PPT等功能

🌄 北大团队提出Dragon Diffusion，可一键拖拽编辑图像

🚗 百度Apollo官宣文心大模型首批智舱应用伙伴

💻 余承东“剧透”鸿蒙4.0：或搭载AI大模型

☁️ 百度千帆大模型平台接入LLaMA2等33个模型

🌃 传OpenAI正测试第三代图片生成模型DALL-E 3

🤖️ 英伟达发布Perfusion AI文生图模型，体积仅100KB

🎵 Meta发布AudioCraft，可帮助用户创作音乐和音频

🍎 郭明錤：苹果的生成式AI技术明年也不会推出

🏠 谷歌研究团队利用GPT-4击败AI-Guardian审核系统📰 澳大利亚新闻集团利用AI每周生成3000篇当地新闻报道

国内资讯

1. 阿里云通义听悟新增视频自动提取PPT等功能

8月2日，阿里云通义听悟上线了三大新功能，包括国内音视频AI领域首创的视频自动提取PPT，以及浏览器插件、钉钉和微信小程序，帮助用户在PC和移动端随时随地听懂、理解、阅读各类音视频内容。

在通义听悟本次更新的功能中，“自动提取PPT”支持自动将PPT讲解视频分割为演示文稿，并对每页PPT进行要点总结，形成一份图文并茂的大纲，解决培训、网课学习等场景“求PPT难”的问题。“浏览器插件”功能支持用户开会、上网课、看直播、看视频时，可用Chrome和Edge浏览器插件全程录制，并实时生成双语字幕。（来源：快科技）

2. 北大团队提出Dragon Diffusion，可一键拖拽编辑图像

近日，北京大学张健团队、腾讯ARC Lab和北京大学深圳研究生院-兔展智能AIGC联合实验室共同合作，提出了一种在扩散模型上实现拖拽式图像编辑操作的开创性方法DragonDiffusion。

它可以支持多种图像编辑模式，比如物体移动、物体缩放、物体外观替换和内容拖拽，具有非常丰富的应用场景，同时解决了Stable Diffusion生成图片中部分残缺的问题，可以很好进行控制重绘。据悉，实验室近期还会推出原创对标Stable Diffusion的大模型。（来源：量子位）

3. 百度Apollo官宣文心大模型首批智舱应用伙伴

8月2日，百度Apollo宣布长城汽车、亿咖通科技成为首批文心大模型智舱应用探索伙伴。百度Apollo已分别与长城汽车、亿咖通科技基于大模型能力围绕车载交互场景开展探索和实践，完成多项创新功能在量产车型平台上的验证，部分功能有望在长城、领克、smart等量产车型上率先落地。（来源：智东西）
4. 余承东“剧透”鸿蒙4.0：或搭载AI大模型
8月2日，余承东在社交平台展示了一项新技术：他利用华为手机内置的小艺语音助手，写了一段发布会宣传文案。从该视频可以看出，小艺可以根据用户需求，自动生成文案等内容。而在小艺的回答下方有一行提示——“数据来源：由AI模型自动生成，可能存在疏漏，仅供参考”。华为鸿蒙4.0或将融入AI大模型的能力，使得小艺语音助手具备生成式AI的功能。（来源：财联社）

5. 百度千帆大模型平台接入LLaMA2等33个模型

8月2日，百度智能云“千帆大模型平台”升级了三大功能。百度智能云AI与大数据平台总经理忻舟表示，目前，千帆大模型平台已经全面接入LLaMA2全系列、ChatGLM2、RWKV、MPT等33个大模型，成为国内拥有大模型最多的平台。接入的模型经过千帆平台二次性能增强，模型推理成本可降低50%。

同时，千帆平台上线了国内最全的预置Prompt模板，模板数量多达103个，覆盖对话、游戏、编程、写作十余个场景。第三，千帆是国内首家提供插件服务的大模型平台，本次升级再次发布多款全新插件。（来源：证券时报）

海外资讯

6. 传OpenAI正测试第三代图片生成模型DALL-E 3

近日，OpenAI正在准备下一代DALL-E AI模型（DALL-E 3），目前该公司正在进行一系列Alpha测试，而部分用户已经提早接触到了该AI模型。Discord上的一位匿名用户分享了他在测试 DALL-E 3时的体验。

图片来源：Discord用户

该匿名用户表示，5月份的DALL-E 3测试版本已经能够生成多种长宽比的图像，同时支持更长的提示语句，还能生成“正常的文字”。DALL-E 3在图像质量和多样性方面均有所突破，有望推动AI图像生成进入新阶段。（来源：科创板日报）

7. 英伟达发布Perfusion AI文生图模型，体积仅100KB

近日，英伟达研究人员推出了一款名为Perfusion的“文生图”模型，该模型最大的特点就是“小”，该模型体积只有100KB，训练时间只需4分钟。用户可以通过文本提示，逐步引导模型分布进行图像创作。官方表示，Perfusion模型生成的图片质量与Stability AI的Stable Diffusion v1.5版本大致相同，而在效率方面，得力于其轻量化的体积，Perfusion模型的效率在业界处于“第一梯队”。（来源：DoNews）

8. Meta发布AudioCraft，可帮助用户创作音乐和音频

8月3日，Meta发布了一款开源人工智能（AI）工具AudioCraft（直译为音频技艺），该工具可以帮助用户根据文本提示创作音乐和音频。Meta表示，这款人工智能工具将AudioGen、EnCodec和MusicGen三种模型或技术融为一炉，可用文本内容生成高质量、逼真的音频和音乐。

Meta在官网介绍称，MusicGen可以从文本提示生成音乐，而AudioGen可从文本提示生成音频，比如模拟狗叫或脚步声；再加上EnCodec编解码器的改进版本，用户可以更高效率地生成更高质量的音乐。（来源：极客公园）

9. 郭明錤：苹果的生成式AI技术明年也不会推出

近日，苹果分析师郭明錤在新报告中指出，目前没有任何迹象显示苹果会在2024年推出生成式AI技术或将其结合至硬件。郭明錤预测，苹果不会在即将到来的财报电话会议上花太多时间去讨论 AI 相关事项。据Mark Gurman上个月报道，苹果内部已经在做类似GPT的产品，但对于如何将生成式AI技术应用至消费者产品，苹果仍未有清晰的策略。（来源：APPSO）

10. 谷歌研究团队利用GPT-4击败AI-Guardian审核系统

8月2日，谷歌研究团队正在进行一项实验，他们使用OpenAI的GPT-4来攻破其他AI模型的安全防护措施，该团队目前已经攻破AI-Guardian。AI-Guardian是一种AI审核系统，能够检测图片中是否存在不当内容，及图片本身是否被其他AI修改过，若检测到图片存在上述迹象，便会提示管理员前来处理。

图片来源：谷歌研究团队

据悉，GPT-4会发出一系列错误的脚本和解释来欺骗AI-Guardian，可以让AI-Guardian认为“某人拿着枪的照片”是“某人拿着无害苹果的照片”，从而让AI-Guardian直接放行相关图片输入源。谷歌研究团队表示，通过 GPT-4的帮助，他们成功地“破解”了AI-Guardian的防御，使该模型的精确值从98%的降低到仅8%。（来源：IT 之家）

11. 澳大利亚新闻集团利用AI每周生成3000篇当地新闻报道

8月2日，澳大利亚新闻集团（News Corp Australia）执行主席Michael Miller透露，该公司每周使用生成式人工智能制作3000篇文章，生成数千个有关天气、燃油价格和交通状况的当地报道。最近，该新闻集团发布公告招聘生成式AI数据记者，要求会使用AI自动创建新闻内容。这在新闻领域属于比较新鲜的职位，同时新闻媒体的内容创作将迎来转型时期。（来源：AIGC开放社区）

澳大利亚新闻集团发布的招聘信息

今日话题

艺术评论，小狗也会写？

近期，在马德里Colección SOLO美术馆，迎来了世界上第一只专门写艺术评论的AI小狗A.I.C.C.A.。

这只AI小狗就像专业的艺评人一样。当有吸引它注意力的艺术品出现时，它便会在艺术品前停留，观察构图、风格、用色，再将数据上传AI，生成一篇幽默风趣、理性客观的艺术评论。

AICCA和它的黑镜片眼睛。©Mario Klingemann

然后，这篇附有作品照片的评论会被打印在热敏收据纸上，像拉粑粑一样被小狗排出😅。

A.I.C.C.A.的发明者Mario Klingemann，是一位德国的多媒体艺术家。他创造了A.I.C.C.A.，旨在向艺术家们发问：你们的作品经得起AI艺评人的审视吗？

各位玩家读艺术评论的时候，有没有遇到过这种情况：明明拆开来每个字都懂，但连起来却完全搞不懂。

说不定，艺术评论连AI小狗都写得更好一些噢。

（整理：阿虎）

---

头号AI玩家交流群」进群方式：添加微信“banggebangmei”并备注姓名+职业/公司+进群，欢迎玩家们来群里交流，一起探索见证AI的进化。

也欢迎围观小红书@头号AI玩家，我们在这里日常练习AI绘画，目标每日一更。

欢迎分享、点赞、在看

 一起研究AI