OpenAI推ChatGPT高级语音模式；谷歌Gemini1.5升级

今日简讯 2024.9.25

- AI 生成的马力欧图片遭大规模下架，该人工智能驱动的版权工具属于一家名为 Tracer 的公司，称代表任天堂向 X 平台发出下架通知。

- 好莱坞传奇导演詹姆斯 · 卡梅隆加入 Stability AI 董事会，将AI技术与电影艺术结合，开启创新故事讲述方式。

- 多邻国推出 AI 视频通话功能，可以直接通过视频通话来学习语言和练习口语。

- HuggingFace公司最新推出的HuggingChat原生macOS客户端。

下载地址：

https://github.com/huggingface/chat-macOS

- 阿里新技术MIMO，可以让一张图片+视频转化为可操控的虚拟角色，Lite版永久免费，Max版可免费领1亿Tokens。

地址：

https://xinghuo.xfyun.cn/sparkapi

- 2024 百度云智大会今日在北京召开，百度在大会上宣布全面升级百舸 AI 异构计算平台 4.0、千帆大模型平台 3.0 两大 AI 基础设施，并升级代码助手、智能客服、数字人三大 AI 原生应用产品。

- 百度李彦宏：智能体是我最看好的 AI 应用方向。

- “稚晖君”创业项目，智元自主研发的机器人中间件 AimRT 开源。

地址：

https://docs.aimrt.org/tutorials/concepts/core_design.html#id2

- 英伟达发布 Llama-3.1-Nemotron-51B AI 模型：创新神经架构搜索等技术让单 H100 GPU 运行 4 倍以上负载。

谷歌 Gemini 1.5 AI 模型再进化，性能升级，价格暴跌

谷歌下调了 token 输入和输出费用，Gemini-1.5-Pro-002 和 Gemini-1.5-Flash-002 最高降幅 50%，提高了两种模型的速率限制，并减少了延迟。（新定价于 2024 年 10 月 1 日生效。）

OpenAI 上线高级语音模式

AVM 采用焕然一新的设计，以蓝色动画球体取代之前使用的动画黑点。面向所有 Plus 和 Team 订阅用户，推出高级语音模式（Advanced Voice Mode，简称 AVM），能用中文等 50 多种语言。

阿里新技术MIMO，可以让一张图片+视频转化为可操控的虚拟角色

首先，只要提供一个图像以及视频或者动作序列，该技术就可以将给定图像中的人物替换成视频中的人物。其次，还能够控制这个被替换后的角色的动作，并且可以让这个角色与场景进行互动。例如，可以让替换后的人物在特定场景中做出各种动作，与周围的环境产生交互效果。

项目地址：

https://menyifang.github.io/projects/MIMO/index.html

谷歌研究人员提出了零样本语音转换技术，帮助失声人士找回声音记忆

该技术具有零样本能力，支持多语言声音转换，展示了强大的适应性和实用性。通过短时间音频样本，成功合成特殊发音者的语音，大大丰富了语音交流的可能性。

项目地址：

https://google.github.io/tacotron/publications/zero_shot_voice_transfer/