创新设计作品小发明科技的目的和意义2024年3月12日

　　产物功用：次要是AI案牍天生和AI图片天生……

　　产物功用：次要是AI案牍天生和AI图片天生。在AI案牍中，商家能够完成单商种类草、小红书爆文改写、穿搭分享等立异设想作品小创造。以爆文改写为例，商家只需输入参考条记内容，然后增加种草商品卖点、人设、条记话题，便可天生小红书气势派头案牍。

　　产物引见：星火开源 -13B是科大讯飞公布的全栈国产化开源大模子，它是首个基于天下产化算力平台”飞星一号”的开源大模子。具有 130 亿参数，包罗根底模子iFlytekSpark-13B-base、精调模子iFlytekSpark-13B-chat，开源了微调东西iFlytekSpark-13B-Lora、人设定制东西iFlytekSpark-13B-Charater。学术企业研讨能够基于全栈自立可控的星火优化套件，更便当地锻炼本人的公用大模子。

　　产物功用：用户能够经由过程输入文本和图象来天生视频，好比由动漫人物的图片天生的视频，不只人物行动流利，还融入了眼睛变色、头发蓬蓬的小细节。

　　超拟人语音分解功用，经由过程对白话化及副言语征象停止建模，复原真生齿语表达和语流变革等韵律特性，完成活泼天然更靠近真人的语音分解才能，满意差别场景本性化需求。

　　产物引见：美图 AI 视觉大模子 MiracleVision（奇想智能）于 2023 年 6 月内测，具有壮大的视觉表示力和创作力，为美图秀秀、美颜相机、Wink、美图设想室、WHEE、美图云修等出名影象与设想产物供给 AI 模子才能的同时，也协助美图公司搭建起由底层、中心层和使用层构建的野生智能产物生态。

　　产物引见：混元大模子是腾讯自研的狂言语模子，具有壮大的中文创作才能，庞大语境下的逻辑推理才能，和牢靠的使命施行才能。

　　产物功用：用户输入文本提醒，就可以天生具有“中国风”卡通或动漫图象。用户能够经由过程该平台将设想作品融入东方文明的美学元素中，完成化繁为简的结果。

　　产物引见：文心大模子是百度于2019年推出的天然言语处置大模子。该模子基于ERNIE系列模子具有跨模态、跨言语的深度语义了解与天生才能。2023年10月，文心大模子4.0 版本公布，完成根底模子的片面晋级，了解、天生、逻辑、影象四大才能明显提拔，综合才能可间接对标GPT-4。

　　2024年1月，星火认知大模子V3.5公布，完成了在文本天生、言语了解、常识问答、逻辑推理、数学才能、代码才能和多模态才能等方面的片面提拔。详细来看，文本天生提拔7.3%，言语了解提拔7.6%，常识问答提拔4.7%，逻辑推理提拔9.5%，数学才能提拔9.8%，代码才能提拔8.0%，多模态才能提拔6.6%。

　　产物引见：RoboNeo是美图推出的一款AI助手，经由过程与其对话可协助用户修图、设想和绘画 。

　　产物引见：Boximator是字节跳动推出的一款文生视频模子。与Gen-2、Pink1.0等模子差别的是，Boximator能够经由过程文本精准掌握天生视频中人物或物体的行动。

　　产物功用：用户只需输入一段笔墨科技的目标和意义，Dreamina便可天生四幅由AI天生的创企图像。同时Dreamina撑持多种图象气势派头，包罗笼统、写实等，以满意差别用户的审美需求。别的，Dreamina还具有图象调解功用，用户能够对天生的图片停止修整，包罗调解图片的巨细比例和挑选差别的模板范例。这类灵敏性使得用户能够按照小我私家爱好或特定需求调解天生的图象。

　　产物引见：Winkstudio是一款AI视频人像精修东西，旨在提拔拍照师、前期师、MCN机构、自媒体博主视频剪辑服从立异设想作品小创造。

　　产物功用：根底才能方面，Qwen-VL-Max可以精确形貌和辨认图片信息，并按照图片停止信息推理和扩大创作。这一特征使得该模子在多个威望测评中表示超卓，团体机能堪比GPT-4V和Gemini Ultra。

　　产物引见：豆包和Cici都是字节跳动基于云雀模子开辟的AI智能谈天佑手，能够答复各类成绩并停止对话，协助用户获失信息，只不外豆包是针对海内用户开放的，Cici是豆包的外洋版本。

　　产物引见：DreamTalk是由清华大学、阿里巴巴和华中科大配合开辟的一个可让人物照片开白话言、唱歌的模子框架。

　　产物引见：AnimateZero是腾讯AI团队公布的一款AI视频天生模子，经由过程改良预锻炼的视频分散模子(Video Diffusion Models)，可以更准确地掌握视频的表面和活动。

　　详细来看，高质量的锻炼数据和高效的 Token 紧缩。PIXART-Σ分离了更高质量的图象数据，配对更准确和具体的图象题目，同时在 DiT 框架内提出了一个新的留意力模块，能够紧缩键（Key）和值(Value)，明显进步服从，增进超高分辩率图象的天生。

　　好比，你能够上传一张高启强的照片＋一段罗翔教师的音频，就可以获得一段“高启强普法”视频。大概，你能够上传一张蒙娜丽莎的照片，让蒙娜丽莎给你唱当代歌曲，唱rap等。

　　文心千帆是百度旗下企业级大模子消费平台，供给包罗文心一言在内的大模子效劳落第三方大模子效劳，还供给大模子开辟和使用的整套东西链。

　　产物功用：360智脑大模子具有天生创作、多轮对话、代码才能、逻辑推理、常识问答、浏览了解、文天职类、翻译、改写、多模态十大中心才能、数百项细分功用，重塑人机合作新范式，片面晋级消费服从。

　　产物功用：RoboNeo的特征在于能将天然言语转化为修图指令。经由过程与RoboNeo对话，用户可以轻松完成以往需求手动操纵的影象创作使命。好比报告RoboNeo “帮我消弭路人甲”、“帮我建造视频宣扬片”、“帮我设想海报”， RoboNeo都能逐个完成。

　　产物功用：用户只需上传一张照片就可以天生对应的视频。据悉AtomoVideo的中心在于多粒度图象注入手艺，这一手艺使得天生的视频关于给定的图象具有更高的保真度，可以更好地保存原始图象的细节和特性，从而使得天生的视频愈加传神。

　　其次，输入简朴输入提醒便可互动，只需输入几个简朴的提醒词，你就可以够把你的设法酿成艺术图象大概与A!停止交换互动。

　　DreamAvatar还能经由过程相机姿势估量和跟踪，和光照估量较法，让数字人和情况天然交融，更具实在感。最初，将前面这一系列AI处置，汇总到3D衬着并输出。

　　产物引见：讯飞星火是科大讯飞推出的新一代认知智能大模子，具有跨范畴的常识和言语了解才能，可以基于天然对话方法了解与施行使命。

　　产物功用：WinkStudio供给配方批量出片、智能画质修复、智能发丝级抠像、批量色彩同一等功用，满意差别用户的本性化需求。同时，WinkStudio撑持高质视频输出，最高撑持导出4K超清视频，包管高清流利的视觉体验。

　　产物功用：用户只需供给一张图片或一段笔墨，就可以天生一段流利的视频，与晚期的AI视频天生东西比拟，UniVG所天生的每帧画面都愈加不变、连接。

　　该模子操纵MERT等编码器停止音乐了解，ViT停止图象了解，ViViT停止视频了解，并利用MusicGen/AudioLDM2模子作为音乐天生模子（音乐解码器）。用户能够轻松移除或交换特定乐器，调解音乐的节拍和速率。这使得用户可以缔造出契合其共同创意的音乐作品。

　　据悉，DreamTalk 由三个枢纽组件构成：降噪收集、气势派头感知唇部专家微风格猜测器。经由过程三项手艺分离的方法立异设想作品小创造，DreamTalk 可以天生具有多种语言气势派头的传神语言面目面貌，并完成精确的嘴唇行动。

　　产物引见：通义千问是阿里自研的 AI 狂言语模子，能够协助用户处理糊口和事情中的成绩，供给智能问答效劳。2023年10月31日，通义千问2.0正式公布，阿里也随之推出通义千问App。相较于1.0版本，通义千问2.0在庞大指令了解、文学创作、通用数学、常识影象、幻觉抵抗等才能上均有明显提拔。

　　据悉，MiracleVision（奇想智能）今朝已晋级至 4.0 版本，除片面使用于美图旗下产物，还在逐渐助力电商、告白、游戏、动漫、影视五大行业。

　　产物引见：绘蛙是阿里AI电商团队针对淘宝、电商达人推出的一款能够天生案牍和图片的智能创作平台，旨在提拔电商营销服从。

　　软框界说一个工具能够存在的地区科技的目标和意义，构成一个宽松的鸿沟框。工具需求停止在这个地区内，但地位能够有必然变革，完成适度的随机性。

　　产物功用：M2UGen具有音乐了解和天生才能，不只能够从笔墨天生音乐，它还撑持图象、视频和音频天生音乐，还能够编纂天生的音乐。

　　产物功用：用户只需上传视频，AI便能智能辨认视频中的次要人物，并将其无缝转换为活泼的3D脚色模子。同时连结视频中人物行动同步与实在感，能准确复刻原视频中人物的行动细节，确保3D脚色的行动流利天然，供给高度传神的视觉结果。别的，Motionshop能将理想天下的人物与3D假造脚色得以完善交融科技的目标和意义，缔造出逾越理想与假造界线的全新体验，为视频内容增加有限能够。

　　通义听悟交融交融了十多项 AI 功用，面向线上线下各类泛音视频场景，通义听悟能够供给音视频内容的及时字幕 / 转写、多言语翻译、内容了解 / 择要，涵盖全文提要、章节速览、讲话总结等高阶 AI 功用。

　　产物引见：百度推出的UNIMO-G同一图象天生框架，经由过程多模态前提分散完成文本到图象天生，克制了文本形貌简约性对天生庞大细节图象的应战。

　　产物功用：MiracleVision(奇想智能)的次要功用包罗文生图、图生图、文生视频、图生视频和模子锻炼、图片部分修正等，该模子今朝已使用于美图旗下多个产物，好比美图秀秀、WHEE等，用户可自行前去官网或下载APP体验。

　　产物功用：在注册、登岸账号以后，用户能够经由过程首页超越60个的插件才能，和创立Bot，完成多个才能使用。比方，我们期望有一个“消息搜刮助手”，经由过程简朴的对线秒内就可以够主动天生一个 AI 机械人，不需求任何代码编程，小白也能轻松上手。

　　产物功用：盘古大模子 3.0系列包罗天然言语、视觉、多模态、猜测、科学计较大模子等五个根底大模子，可觉得用户供给常识问答、案牍天生、代码天生，和多模态大模子的图象天生、图象了解等才能。

　　产物功用：起首是案牍天生功用，用户只需求上传一张图片，经由过程野生智能手艺对图片内容停止阐发，就可以天生契合图片内容的案牍。

　　内容创作方面，该模子能够在多种场景下处置超长文本，经由过程地位编码优化，提拔长文的处置结果和机能。分离指令跟从优化，让产出内容更契合字数请求。

　　产物引见：SDXL-Lightning是一款由字节跳动开辟的开源免费的文生图模子，能按照文本快速天生响应的高分辩率图象。

　　通义听悟是是依托通义千问大模子和音视频AI模子的AI助手，旨在协助用户及客户在泛音视频内容场景下提拔信息消费、收拾整顿、发掘、洞察服从。

　　产物引见：EMO是阿里巴巴推出的AI图片-音频-视频模子，该模子接纳了 Stable Diffusion 的天生才能和 Audio2Video 分散模子，可以天生富有表示力的人像视频。

　　产物引见：360智脑是360自研认知型通用大模子，依托360多年积聚的大算力、大数据、工程化等枢纽劣势，集成了360GPT大模子、360CV大模子、360多模态大模子手艺才能。

　　视频天生结果方面，与 Gen2、Pika 天生结果比拟， I2VGen-XL 天生的视频行动愈加丰硕，次要表如今更实在、更多样的行动，而 Gen-2 和 Pika 天生的视频仿佛更靠近静态。

　　产物功用：用户在SDXL-Lightning上输入提醒词，然后挑选推理步调（挑选范畴为1步—8步），等候数秒便可天生一张高清图象。

　　别的，为了进步视频质量，该研讨锻炼了一个零丁的 VLDM，特地处置高质量、高分辩率数据，并对第一阶段天生的视频接纳 SDEdit 引入的噪声去噪历程。

　　产物引见：BagelBell是字节推出的一款AI 剧情互动平台，用户能够经由过程 AI 身份图、故事称号和故事引见理解差别的 AI 故事并与本人喜好的故事互动。

　　产物引见：达芬奇是小红书正在内测的一款AI谈天佑手，它是基于Meta旗下的LLAMA大模子停止锻炼的，可觉得用户供给智能问答等AI谈天功用。

　　产物引见：UniVG是百度推出的一款同一模态视频天生体系，其共同的地方在于针对高自在度和低自在度两种使命接纳差别的天生方法，以更好地均衡二者之间的干系。

　　文心一格的次要功用就是图象天生功用。用户只需求输入一句话或提醒词，文心一格就可以根据唆使主动天生图象，且用户能够追加更具体的提醒词对图象进一步优化或改动图象气势派头等。同时文心一格还具有二次编纂图片和图片叠加功用，好比能够涂抹掉图象中分歧意的部门，让模子从头调解天生。大概给出两张图片，模子会主动天生一张叠加后的创企图。别的，文心一格还推出了海报创作、图片扩大和提拔图片明晰度等功用，供给多种生图效劳满意用户需求。

　　产物功用：文心一言具有文学创作、贸易案牍创作、数理逻辑推算、中文了解、音频、图象天生等多模态天生才能。好比用户能够用文心一言解答任何糊口及事情成绩，协助用户撰写任何范畴的案牍，解答数学逻辑题，用语音讲故事等。

　　产物功用：WHEE 次要功用包罗文生图、图生图、气势派头模子锻炼、AI超清、AI生视频和AI改图等。文生图未几赘述，图生图能够按照上传的图片天生一幅气势派头相似的图片；气势派头模子锻炼合适设想或绘画等专业人士，能够锻炼天生本人的绘画模子；AI超清是近来上新的一键修复老照片功用，能够复原照片高清画质；AI视频功用今朝显现在内测，不外经测试，文生视频天生速率较快，但画面实在感完善，图生视频天生时长需几分钟，视频画面略显生硬，不敷天然。

　　合用人群及场景：文心一言受众群体普遍，文心一格合适有绘画创作和图象设想需求群体。文心千帆次要面向企业级B端客户。

　　产物引见：Animate Anyone是一款能将静态图象转换为脚色视频的模子框架。该框架在分散模子的根底之上，引入了ReferenceNet、Pose Guider姿势指导器和时序天生模块等手艺，以完成照片动起来时连结分歧性、可控性和不变性，输出高质量的静态化视频。

　　产物功用：具有通用使命处置才能和消费力功用，如谈天、问答、文本提取、分类、数据阐发和代码天生等，同时基于壮大的 AI才能，撑持企业和学术研讨锻炼公用大模子，优化进修帮助、数学推理等范畴的使用。

　　文心千帆次要功用有两个：其一是文心千帆以文心一言为中心，为企业供给大模子效劳，协助客户革新产物和消费流程。其二，作为一个大模子消费平台，企业能够在文心千帆上基于任何开源或闭源的大模子，开辟本人的专属大模子。

　　产物引见：360 AI搜刮是新一代智能搜刮产物，次要为最庞大的搜刮查询供给更相干、更片面的谜底。

　　产物功用：内容天生才能，能够停止多气势派头多使命长文本天生，比方邮件、案牍、公函、作文、对话等；言语了解才能，能够停止多条理跨语种言语了解，完成语法查抄、要素抽取、语篇归整、文本择要、感情阐发、多言语翻译等；常识问答才能，能够答复林林总总的成绩，包罗糊口常识、事情妙技、医学常识等；推理才能，具有基于思想链的推理才能，可以停止科学推理、知识推理等；多题型步调级数学才能，具有数学思想，能了解数学成绩，笼盖多种题型，并能给出解题步调； 代码了解与天生才能，能够停止代码了解、代码修正和代码天生等事情。

　　别的，AtomoVideo的架构也具有很高的灵敏性，它能够灵敏地扩大到视频帧猜测使命，经由过程迭代天生完成长序列猜测，使得AtomoVideo在处置长序列的视频猜测使命时，也可以连结优良的机能。

　　2023年10月，混元大模子开放文生图功用，用户能够按照枢纽词天生图片，具有壮大的中文了解才能。可以天生各类气势派头的图片，包罗景观、人物、动漫等。天生的图片具有实在感和天然度。

　　产物引见：云雀是字节跳动自研的狂言语模子，该模子接纳 Transformer 架构，可以经由过程便利的天然言语交互，高效完成互动对话、信息获得、辅佐创作等使命。

　　通义万相是阿里通义大模子家属中的一款AI绘画大模子，可帮助人类停止图片创作。基于阿里研发的组合式天生模子Composer，通义万相提出了基于分散模子的「组合式天生」框架，经由过程对配色、规划、气势派头等图象设想元素停止拆解和组合，供给了高度可控性和极大自在度的图象天生结果。

　　产物引见：开拍是一款协助口播视频创作者从剧本灵感应高清画质拍摄、视频人像精修、前期智能剪辑全链路的影象消费力东西。

　　产物功用：用户只需求上传一张照片和一段随便音频，EMO就可以够按照图片和音频天生一段会语言唱歌的AI视频。视频中人物具有丰硕流利的脸部心情，能做到人物开白话言和唱歌时和和音频连结分歧，最长工夫可达1分30秒阁下。

　　产物引见：BuboGPT是字节研发的一款多模态大模子，经由过程整合文本、图象和音频输入，能够施行跨模态交互并做到对多模态的细粒度了解。

　　视觉推理方面，Qwen-VL-Max能够了解并阐发庞大的图片信息，包罗识人、答题、创作和写代码等使命。同时该模子还具有视觉定位功用，可按照画面指定地区停止问答。

　　产物引见：AtomoVideo是阿里巴巴推出的一个高保真图象视频天生框架，该框架操纵高质量的数据集和锻炼战略，连结了工夫性、活动强度、分歧性和不变性，并具有高灵敏性，可以使用于长序列视频猜测使命。

　　值得一提的是，2023年12月，WHEE挪动端App正式上线，用户可自行下载在手机端便可及时体验AI赋能艺术创作的魅力。

　　此次，钛媒体AGI梳理了2023年至今，阿里、百度、字节、腾讯、华为、小红书、美图、科大讯飞、三六零8家互联网科技公司在 AI 范畴的最新手艺功效，总计包罗50款AI大模子及AI使用，以协助读者快速理解互联网大厂在AI范畴的最新手艺意向。

　　今朝，DreamAvatar“AI演员”撑持最长10秒视频的转化，共推出了机械人、兽人、类人三大题材总计11个差别气势派头的数字人形象，每一个题材从外型气势派头、衬着气势派头都做了差别标的目的的细化，给到用户多样性的体验和挑选。

　　产物引见：MagicVideo-V2 是字节推出的AI视频天生模子，它将文本到图象模子、视频活动发作器、参考图象嵌入模块和帧插值模块集成到端到端视频天生管道中。这类构造使 MagicVideo-V2 可以建造高分辩率、美妙的视频，并具有超卓的保真度和流利度。

　　最初是自界说功用，用户能够自界说枢纽词、案牍气势派头、场景标签，以天生契合小我私家需求的案牍。比方，用户能够输入“椰香鸡肉”作为枢纽词，挑选“美食”场景，天生引见椰香鸡肉食材和建造办法的案牍。

　　不外，据字节跳动相干人士称，Boximator是视频天生范畴掌握工具活动的手艺办法研讨项目，今朝还没法作为完美的产物落地，间隔外洋抢先的视频天生模子在画面质量、保真率、视频时长等方面另有很大差异。

　　再次，文件智能阐发和总结功用，增加上传一个文件，便可阐发、总结和对文件内容倡议会商，协助用户高效地进修和阐发内容。

　　产物功用：通义千问具有多轮对话、案牍创作、逻辑推理、多模态了解及多言语撑持等功用。用户能够就职何成绩与其对话互动，好比能够问他糊口类知识、讲故事、写作文或案牍、解答数学题等，但通义千问不具有多模态才能，不具有图象天生功用。

　　产物功用：用户只需输入提醒词就可以天生对应的视频，并可经由过程集成编纂器对天生的视频停止编纂修正，在修正调解后，用户还能够将视频保留为MP4、MOV和AVI等多种格局。比拟前一代产物，VideoCrafter2接纳更加先辈的图象处置手艺，明显进步视频的视觉质量，使图象更加明晰、细致；同时VideoCrafter2静态结果较着加强，不只存眷静态画面，还专注于提拔视频中的静态结果，使得活动愈加流利天然。

　　产物功用：起首ChitChop具有丰硕的使用处景，供给AI创作、AI画图、文娱休闲、进修提拔、事情提效、糊口助手六大场景的AI小东西，为用户供给缔造性灵感，进步事情服从。

　　产物功用：以一个 1B 巨细的言语模子作为载体，在分词器裁剪、模子架构调优、参数担当、多轮锻炼等方面具有宏大劣势，GPU 的推理速率和服从远超GPT-3.5。详细来看，起首，经由过程分词器裁剪，删除低频辞汇，低落 Token 数目，削减计较开消，为模子主体留足空间。

　　据悉，UniVG体系引入了“多前提穿插留意力”手艺，用于高自在度视频天生，以天生与输入图象或文本语义分歧的视频。而在低自在度视频天生方面，接纳了“偏置高斯噪声”的办法，相较于传统的完整随机高斯噪声更能有用地保存输入前提的原始内容。

　　产物功用：AI选题保举，AI智能天生题目，紧跟热门，激起创作灵感；AI文章创作，输入主体，AI一键写稿，还撑持模拟天生和挑选气势派头天生；AI检查校正，供给校正文本、检查纠错、合规风险提醒等功用，让创作者可以愈加专注于内容创作；AI配图排版，AI能够按照枢纽词天生图片，一键排版，图文并茂；撑持多平台内容分发，撑持分发到昔日头条和微信公家号，并可监测数据。

　　因为修图历程经由过程对话停止，用户具有更高的自在度。RoboNeo的创作结果也不会受限于当地客户真个功用或素材束缚，能激起有限的创意立异设想作品小创造。

　　同时盘古模子3.0供给参数范畴从100亿到1000亿的差别范围参数，能够满意差别客户的需求。今朝，盘古模子已在金融、制作、药品研发、煤炭、铁路等各个行业胜利落地。

　　产物引见：ChitChop是字节跳动在外洋推出的AI智能助手，可觉得用户供给多达200+的智能机械人效劳，经由过程供给缔造性灵感、进步事情服从等方法帮助用户的事情和糊口。

　　产物引见：WHEE 是美图基于MiracleVision 大模子打造的AI生图艺术创作平台，旨在为用户供给一站式 AI 视觉创作效劳，为视觉创作供给更多设想力和灵感。

　　产物功用：用户只需给出一张图，然后给出各类提醒词，UNIMO-G就可以按照提醒词在图象根底上根据提醒天生对应图象，好比上传一张马斯克图象，输入提醒词给他穿上警服，就可以获得一张身穿警服的马斯克图象。

　　产物引见：BDM是360 野生智能研讨院公布的中文原生 AI绘画模子，该模子可以准确天生中文语义图象，兼容英文社区插件，完成中英双语绘画。

　　产物引见：Dreamina是字节跳动旗下的AIGC东西，能够按照用户的笔墨提醒天生创企图片。

　　合用人群或场景：通义千问合用人群较为普遍，通义万相合用于艺术绘画创作，设想师、动漫喜好者；通义听悟可以使用于智能客服、智能家居、智能音箱、智能穿着装备等范畴。

　　产物功用：豆包和Cici的功用分歧，供给问答、智能创作、谈天等效劳。进入豆包/Cici官网首页登岸后，用户可间接与豆包/Cici对话，好比可让豆包协助写爆款案牍、天生图片、英语翻译等。豆包/Cici还撑持创立专属的智能助手，好比能够定制本人的智能导游，能够协助本人做旅游构成计划，供给更多包罗交通、景点及美食的旅游相干的信息。别的，豆包/Cici另有具有许多现成的AI智能体可供利用，触及糊口、文娱、写作、感情和游戏多范畴。

　　产物功用：包罗AI 剧本、数字人主播、提词器、高清画质、美颜美妆等。AI剧本是用户能够输入枢纽词一键天生口播案牍或协助天生小红书爆款案牍、润饰案牍内容；数字人主播是用户能够自界说或创立数字人主播，撑持改换人物形象和视频布景；提词器功用让口播不消背稿，匀速形式撑持自界说字幕转动速率；高清画质功用，提拔视频明晰度，撑持 4K 画质视频录制、滤镜调理，同时撑持美颜功用，可自界说参数，素颜也能够录视频。

　　文心一格是百度基于文心大模子推出的AI艺术创作平台，能够天生多样化AI创企图片，帮助创意设想。

　　其次是具有1500万小红书案牍库，这些案牍都是颠末小红书用户考证过的，契合小红书平台的气势派头和用户需求。用户能够间接从案牍库当选择适宜的案牍，无需本人编写。

　　产物引见：Motionshop是阿里巴巴智能计较研讨院推出的一个AI脚色动画框架，该框架操纵视频处置、脚色检测/朋分/追踪、姿势阐发、模子提取和动画衬着等多种手艺，使得静态视频中的配角可以轻松逾越理想与假造的界线，一键变身为3D脚色模子且不改动视频中的其他场景和人物。

　　产物功用：AI商品图功用，上传商品图后，AI可主动抠生产品主体，撑持美容、鞋帽、家居等十余种产物品类辨认，百余种保举场景帮你天生多种气势派头，复原实在利用处景；AI LOGO功用，给出提醒词和商品slogan就可以协助主动天生商品logo；AI模特功用，用户只需上传衣服或假发等商品图，挑选体系AI模特和场景就可以天生全新商品图，不只能够提拔建造商品图服从，同时也低落了约请模特拍摄本钱；AI海报功用，能够协助天生商品封面图、举动优惠图和各类举动营销封面。

　　产物功用：内容创作功用，能够按照用户指令停止内容创作，天生案牍纲领及告白、营销案牍等；智能问答功用，用户能够经由过程云雀快速获得糊口知识、事情妙技，助力高效处理事情、糊口等各种场景中的成绩；逻辑推理才能，可停止思想、知识、科学推理 经由过程阐发成绩的条件早提和假定来推理出谜底或处理计划，给出新的设法和看法；代码天生 功用立异设想作品小创造，作为狂言语模子，云雀具有代码天生才能和常识储蓄，可高效的帮助代码消费场景；信息提取才能，云雀能够深化了解文本信息之间的逻辑干系，从非构造化的文本信息中抽取所需的构造化信息。

　　产物引见：Trik AI是小红书推出的一款AI图象创作平台，专注于“一眼中国风”标的目的的有限探究。

　　产物功用：该产物次要包罗AI搜刮和加强形式两个新功用。此中，AI 搜刮是用户提出成绩后，AI将经由过程搜刮引擎停止检索，读取并阐发多个网页的内容，最初输出精准的结论；加强形式是在用户发问后，AI将停止语义阐发并诘问以弥补更多信息，然后AI将成绩拆分为多组枢纽词停止搜刮引擎检索，深度浏览更多的网页内容，终极天生逻辑明晰、精确无误的谜底。

　　产物功用：BageBel 为用户供给了一个布满生机和缔造力的假造天下，让用户能够在这个天下中探究故事、创作脚色，并与 AI脚色停止互动。这类共同的体验不只可让用户享用到故事带来的兴趣，还能够激起用户的缔造力和设想力。今朝 BagelBell 故事范例非常丰硕，触及狼人、校园、悬疑、霸总、女仆、年劣等多个种别，不外量为爱情题材。

　　文心一言是百度基于文心大模子打造的天生式AI产物，与阿里的”通义千问”相似，能够停止任何内容的问答对话，可作为糊口中的智能小助手。

　　总结：上述8家中国互联网大厂的50款大模子及使用，可否逾越GPT-4？这仿佛需求用工夫来证实统统。

　　别的，coze还撑持上传创立本人所需bot的数据，能够与本人的数据停止交互，而且扣子还具有持久的对话影象才能，经由过程数据交互和耐久影象为用户供给愈加精准的答复。

　　产物功用：达芬奇可觉得用户供给倾向好物糊口类的问答，包罗旅游攻略、美食攻略、天文和文明知识、糊口本领、小我私家生长和心思倡议，和举动保举等。好比能够给用户保举合适春季玩耍景点，保举高性价比厨房用品等。经由过程与达芬奇的互动，用户能够得到精确、有效的信息和倡议，节流工夫和精神，提拔糊口质量和幸运感。

　　产物引见：Coze扣子是字节跳动AI部分Flow开辟的一站式 AI 开辟平台，不管用户能否有编程根底，都能够操纵Coze在30秒内轻松创立专属本人的“AI机械人”。

　　产物引见：DreaMoving是一种基于分散模子打造的可控视频天生框架，经由过程图文就可以建造高质量人类舞蹈视频。

　　产物功用：起首是多模态了解才能，BuboGPT完成了文本、视觉和音频的结合多模态了解和对话功用；其次是视觉对接才能，BuboGPT可以将文本与图象中的特定部门停止精确联系关系，完成细粒度的视觉对接；再次是音频了解才能，BuboGPT可以精确形貌音频片断中的各个声音部门，即便对人类来讲一些音频片断过于长久难以发觉；最初是对齐和非对齐了解才能；BuboGPT可以处置婚配的音频-图象对，完成完善的对齐了解，并能对随便音频-图象对停止高质量的呼应。

　　产物功用：用户只需输入一段笔墨形貌就可以天生具有4K高分辩率的图象，相较于前身PixArt-α，它供给了更高的图象保真度和与文本提醒更好的对齐。

　　产物功用：对话写作，讯飞写作接纳对话式交互设想，用户只需输入枢纽词指令，体系就会按照用户需求天生响应的文本内容；AI模板写作，讯飞写作具有丰硕的模板库，涵盖了各品种型的文本，如集会记要、演讲稿、财经消息、理论陈述等。用户能够按照本人的需求挑选适宜的模板，然后停止信息填写，就可以够完成文本创作；AI素材写作，讯飞写作内置了多种AI东西，如扩写、缩写、改写、续写、文本校正等。这些东西能够协助用户优化文本构造，进步表达结果。别的，为提拔写作服从，讯飞写作还撑持导音频、视频、文本等多种格局的素材，便利用户在文本中插入和利用。用户能够将这些素材间接拖拽到编纂器中，轻松完成基于素材内容的文本创作。

　　产物功用：用户只需上传一张人像，和一段提醒词，就可以天生对应的视频，并且改动提醒词，天生的人物的布景和身上的衣服也会随着变革。简朴来讲就是，一张图、一句话就可以让任何人或脚色在任何场景里舞蹈。

　　产物引见：DreamAvatar是美图旗下的AI数字人天生东西，专注于数字人和AIGC手艺的深度交融， 为鞭策数字时髦、营销推行、企业数字化的立异带来更多设想。

　　产物引见：M2UGen是一款多模态音乐天生模子，交融了音乐了解和多模态音乐天生使命，旨在助力用户停止音乐艺术创作。

　　产物引见：VideoCrafter是由腾讯和香港科技大学联手打造的AI视频天生大模子，可以按照用户供给的文本形貌天生高质量、流利的视频作品。2024年1月，腾讯对VideoCrafter停止晋级更新，推出了VideoCrafter2模子。

　　今朝，Animate Anyone已在GitHub上斩获了近1.3万个星标，并在国表里惹起了强烈热闹会商。

　　产物功用：脚色视频天生，操纵驱动旌旗灯号从静态图象天生传神的脚色视频；分散模子撑持，借助分散模子的力气，供给高质量的动画结果；ReferenceNet设想，经由过程空间留意力兼并具体特性，连结表面特性的分歧性；姿式指点器，引入高效的姿式指点器，确保脚色行动的可控性和持续性；光滑过渡：接纳有用的工夫建模办法，包管视频帧之间的光滑过渡。

　　通义万相次要功用有三个，即文生图、类似图天生微风格迁徙。在根底文生图功用中，可按照用户提醒词天生水彩、扁平插画、二次元、油画、3D卡通画等气势派头图象；类似图片天生功用中，用户上传任企图片后，便可停止创意发散，天生内容、气势派头类似的AI画作。别的该模子还撑持图象气势派头迁徙，用户上传原图微风格图，可主动把原图处置为指定的气势派头图。

　　产物引见：讯飞智文是科大讯飞基于星火认知大模子推出的一款野生智能PPT天生东西，只需输入一句话大概增加要演示的文稿便可一键天生PPT。

　　产物引见：I2VGen-XL是阿里云推出的一款高清图象天生视频模子，这款模子的中心组件由两个部门组成，用以处理语义分歧性和明晰度成绩。

　　最初，与大大都大模子只停止一轮锻炼差别，小模子的多轮锻炼被证实关于克制忘记成绩十分有用。经由过程第一轮锻炼的数据挑选和精辟，能够优化第二轮锻炼的结果。实考证实，多轮锻炼在小模子上表示超卓，使得模子在有限的资本下也能获得明显提拔。

　　产物功用：主题创立形式，一句话式主题输入，快速把你的设法变成 PPT 文档，可按照需求停止 AI改写，完美文档内容；文本创立形式，增加一段话大概一篇文章，AI 帮你总结、拆分、提炼，终极天生高度相干的PPT文档；PPT案牍优化，内置SPARK AI助手，能够停止案牍的润饰、扩写、翻译、缩写、拆分、总结、提炼、纠错、改写等；演讲备注功用，能够秒速天生备注内容，帮你将演讲内容梳理明晰，制止PPT演讲半途卡顿；别的，平台内置多种模板可一键为PPT切换主题和模板，让你的创作更超卓更高效。

　　差别于 OpenAI 的文生视频模子 Sora，EMO 主攻的是间接以图+音频天生视频标的目的，可以间接从给定的图象和音频，剪辑天生一段带有丰硕人物心情的人物头部视频。

　　恰是因为这些改良，PIXART-Σ才气以较小的模子范围（6亿参数）完成优于现有文本到图象分散模子(如 SDXL(26亿参数)和 SD Cascade(51亿参数))的图象质量和用户提醒顺从才能。别的，PIXART-Σ 可以天生4K 图象，为创立高分辩率海报和壁纸供给了撑持，有用地加强了影戏和游戏等行业中高质量视觉内容的建造。

　　与同类竞品比拟，据称星火认知大模子V3.5在言语了解和数学方面的才能曾经超越了GPT-4 Turbo，代码才能到达了GPT-4 Turbo的96%，而多模态了解才能则到达了GPT-4V的91%。

　　产物功用：上传一张照片和音频，DreamTalk可以天生人物面部行动看起来很实在的高质量视频，并且嘴唇行动能和音频都能逐个对应。同时DreamTalk还撑持多种言语，不管是中文、英文仍是其他言语都能很好地同步。

　　因与Open AI此前推出的文生视频模子Sora功用类似，AtomoVideo也被称为中国版“Sora。

　　硬框可精肯定义目的工具的鸿沟框。用户能够在图片中画出感爱好的工具，Boximator会将其视为硬框束缚，在以后的帧中精准定位该工具的地位。

　　在测试中，UNIMO-G在文本到图象天生和零样本主题驱动分解方面表示杰出，出格是在处置包罗多个图象实体的庞大多模态提醒时，天生高保真图象的结果明显。

　　产物功用：DreamAvatar“AI演员”数字人的天生，不需求专业装备，一台手机就可以轻松搞定。用户只需求将拍摄好的视频素材导入，并指定视频里的人物，AI会停止人体检测、跟踪、擦除、交换，和布景修复，主动把线D人体姿势估量和驱动算法，DreamAvatar的AI演员可以做到行动与真人完善同步。

　　产物引见：星火语音大模子是一款AI语音模子，该模子能将辨认、翻译和多语种分类等多种功用同一交流并停止锻炼，完成多种使命信息的共通，使语音辨认结果大幅提拔。

　　最初是及时互联网搜刮功用，能够与野生智能交互停止搜刮。别的，还内置200多个智能机械人，可协助用户进步缔造力，进修新话题，以至与野生智能假造脚色玩游戏。

　　产物功用：文本转图象功用，MagicVideo-V2 具有先辈的文本到图象模子，能够将笔墨转换为图象元素，为天生视频供给根底素材；视频活动天生功用：操纵视频活动天生器，能够主动天生视频，节流用户的工夫和精神；参考图象嵌入功用，MagicVideo-V2 撑持参考图象嵌入功用，在天生视频时能够参考指定图象，使视频内容愈加精确和多样化。别的，MagicVideo-V2 的帧插值模块可以光滑过渡视频中的每帧，使天生的视频愈加流利和连接。

　　产物引见：Qwen-VL是阿里推出的开源多模态视觉模子，2024年1月，继Plus版本以后，阿里又推出了Qwen-VL-Max版本。

　　产物功用：高质量图象天生，BDM 利用先辈的分散模子手艺，能够天生具有高度细节和实在感的图象；多模态输入，BDM 撑持输入，如文本、图象和音频等多范例，能够处置各类创意使命； 壮大的气势派头迁徙才能，BDM 能够将一种艺术气势派头使用到任何图象上，从而缔造出共同的视觉结果；及时预览和编纂，供给及时图象预览和编纂功用立异设想作品小创造，用户能够在天生过程当中停止调解和优化；本性化定制，BDM 许可用户按照本人的需乞降爱好停止本性化设置，比方调解参数、增加自界说元素等科技的目标和意义。跨平台兼容，BDM 合用于各类操纵体系和装备，如 Windows、macOS、Linux、Android 和 iOS。

　　自美国OpenAI公司推出的ChatGPT风行环球，并激发新一轮野生智能海潮，国表里科技巨子争相规划大模子范畴。

　　产物引见：盘古大模子 3.0 是一个面向行业的AI大模子系列，旨在提拔中心合作力，辅佐客户、协作同伴、开辟者在各行业落地野生智能并缔造代价。

　　产物引见：星火内容运营巨匠是一个集选题，写作，配图，排版，润饰，公布，数据阐发等一体的内容运营事情平台。该平台基于讯飞星火大模子打造，努力于为内容运营、品牌内容等岗亭供给易用的消费力东西。

　　产物引见及功用：11月4日，360大模子“奇元大模子”经由过程存案落地。从大模子定位和使用角度来看，奇元大模子具有充沛的灵敏性和可扩大性，贸易化和产物定位以B端用户为主，前期将集聚焦更多的贸易化使用和垂直范畴，协助用户提拔事情服从。

　　与以往的文生图模子比拟，SDXL-Lightning的天生速率有明显进步，可以在起码步调内完成文本到1024px分辩率图象的天生，合用于需求快速呼应的使用处景。

　　SDXL-Lightning的天生速率之以是可以明显提拔，次要是由于它经由过程分离渐进式蒸馏和对立式蒸馏的办法，处理了分散模子在天生过程当中存在的速率慢和计较本钱高的成绩，同时连结天生图象的高质量和多样性，制止了传统蒸馏办法中存在的图象恍惚成绩。

　　两类框都包罗目的工具的ID，用于在差别帧中跟踪统一工具。别的，框还包罗坐标、范例等信息的编码。

　　AI生图中，用户能够经由过程挑选商品、挑选模特和挑选参考图天生本人想要的商品图片，撑持本人上传模特图，也有自带的数字模特库可供利用，能够定制专属本人的AI模特，协助商家节流商品拍摄和模特本钱。

　　别的，Qwen-VL-Max在图象文本处置方面也获得了明显前进，中英文文本辨认才能明显进步，撑持百万像素以上的高清分辩率图和极度宽高比的图象，不只能完好复现麋集文本，还能从表格和文档中提失信息。

　　同时，“扣子”平台也有一些自带的bot，涵盖旅游、出行和文娱等场景，能够间接点击利用，并且还具有可有限扩大的才能集，片面完成本性化界说 AI 机械人手艺才能。

　　产物功用：次要是大模子语音辨认和超拟人语音分解，前者能将短音频(≤60秒)精准辨认成笔墨，除中文一般线个语种主动鉴别，语言过程当中能够无缝切换语种，并及时返回对应语种的笔墨成果。

　　产物功用：与Open AI公布的文生视频模子相似，Boximator也是经由过程用户给出笔墨形貌或提醒，就可以根据唆使天生对应的视频。据理解，为了完成对视频中物体、人物的行动掌握，Boximator利用了“软框”和“硬框”两种束缚办法。

　　其次，模子架构调优成为枢纽，深度、宽度对小言语模子结果有着极大影响。经由过程对深度、宽度和扩大率的尝试，找到了最合适小模子的架构设置。再次，使用参数担当，有用提拔小模子的结果并加快收敛。

　　别的， VideoCrafter2在视频观点的组合方面表示超卓，可以更好地整合差别元素，缔造出更有深度和创意的影片。

　　产物功用：用户只需上传一张图片，便可天生一段分辩率为1280*720的高清视频。因为在大范围混淆视频和图象数据长进行了预锻炼，并在大批高质量数据集长进行了微调，这些数据集具有普遍的散布和多样的种别，这使得I2VGen-XL展现了优良的泛化才能，合用于差别范例的数据。

　　据理解，UNIMO-G的中心组件包罗多模态狂言语模子和基于编码的多模态输入天生图象的前提去噪分散收集。这一框架还接纳了经心设想的数据处置管道，触及言语根底和图象朋分，用以构建多模态提醒。

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186