Kürzlich wurde die Modelers-Community (魔乐社区) offiziell mit Step-Video und Step-Audio, zwei Open-Source-Multimodal-Großsprachemodellen, die von Step-Video entwickelt wurden, ins Leben gerufen. Diese beiden Modelle werden jeweils für die Videogenerierung und die Sprachinteraktion verwendet und sollen Entwicklern und Unternehmen leistungsstärkere KI-Tools bieten. Das Step-Video-Modell trägt den vollständigen Namen Step-Video-T2V und ist mit 300 Milliarden Parametern das weltweit größte Open-Source-Videogenerierungsmodell. Das Modell kann direkt 20...

Hedra ha presentado Character-3 y Hedra Studio, dos innovaciones que marcan un hito en la tecnología de avatares digitales. Estos avances permiten la inferencia conjunta de imagen, texto y audio, abriendo nuevas posibilidades para la creación de experiencias inmersivas y realistas en diversas aplicaciones.

Microsoft hat Phi-4 vorgestellt, ein vielversprechendes multimodales Mini-Modell, das die Verarbeitung von Sprache, Bildern und Text auf ein neues Level hebt. Dieses innovative Modell bietet verbesserte Leistung und Effizienz bei der Bearbeitung verschiedener Datenmodalitäten.

Google hat kürzlich sein kostengünstigstes Modell, Gemini 2.0 Flash-Lite, vorgestellt, das jetzt für produktive Zwecke eingesetzt werden kann. Gemini 2.0 Flash-Lite ist Teil der Google Gemini-Serie und zielt als kosteneffizienteste Option darauf ab, Entwickler zu bedienen, die eine kostengünstige KI-Lösung benötigen. Das Modell wird in der öffentlichen Vorschau in Google AI Studio und Vertex AI angeboten.

Kürzlich wurde ein von künstlicher Intelligenz (KI) durchgeführtes kulinarisches Experiment unerwartet zum Internet-Hit und löste eine breite Diskussion aus. Der bekannte Blogger „Los Angeles Yingzheng W“ wagte den Versuch, mit dem DeepSeek-Modell „noch nie dagewesene KI-Gerichte“ zu kreieren und teilte den Herstellungsprozess auf der Kurzvideo-Plattform Douyin. Der Beitrag stieg schnell in die Douyin-Trends und zog zahlreiche Zuschauer und Kommentare an. Obwohl der Blogger „Los Angeles Yingzheng W“ sein Bestes gab, um die etwas „abstrakten“ Anweisungen des KI-Modells zu befolgen, schien das Endergebnis nicht ganz den Erwartungen zu entsprechen.

Das KI-Unternehmen xAI von Elon Musk hat die Gründung eines neuen Spielstudios angekündigt, das die Spielebranche grundlegend verändern soll. Das Studio wird Berichten zufolge das kürzlich veröffentlichte KI-Modell Grok 3 einsetzen, um die Spieleentwicklung außergewöhnlich effizient und benutzerfreundlich zu gestalten. Nutzer können jetzt innerhalb weniger Minuten komplette Spiele mit Grok 3 generieren und sogar die Grafikqualität durch einfache Fragen verbessern. Bildquelle: Bild wurde von KI generiert, Bildlizenzanbieter MidjourneyxAI

Die Aufmerksamkeit der Entwickler weltweit richtet sich erneut auf China! Auf der vielbeachteten Global Developer Conference (GDC) gab die Alibaba Cloud ModelScope Community die Veröffentlichung von zwei neuen, quelloffenen multimodalen Modellen von Step-by-Step Stars bekannt: das weltweit größte quelloffene Video-Generierungsmodell Step-Video-T2V und das branchenweit erste quelloffene Sprachinteraktionsmodell in Produktqualität, Step-Audio. Diese Nachricht hat die globale Open-Source-AI-Community im Sturm erobert und unterstreicht einmal mehr die starke Innovationskraft Chinas im Bereich der künstlichen Intelligenz. Als Chinas größtes KI-

Elon Musk hat in den sozialen Medien bestätigt, dass seine KI-Firma xAI ein Studio für die Spieleentwicklung eröffnen wird. Die Nachricht wurde zunächst vom ausländischen Blogger Dima Zeniuk veröffentlicht und später von Musk selbst bestätigt. Er sagte, der Plan müsse ernsthaft verfolgt werden, mit dem Ziel, "Spiele wieder großartig zu machen". Musks Liebe zu Spielen ist allgemein bekannt. Während seiner Studienzeit war er von Strategiespielen wie "Civilization" fasziniert. Musks Leistungen in Spielen haben auch einige Kontroversen ausgelöst. Zum Beispiel in einem Livestream von...

Sharge, ein Anbieter von drahtlosem Laden, hat mit seiner neuesten Erfindung, der Loomos AI-Smartbrille, innerhalb von nur fünf Tagen auf Kickstarter 1,53 Millionen US-Dollar gesammelt. Dies übertrifft das ursprüngliche Finanzierungsziel von 5000 US-Dollar bei Weitem und zeigt das große Interesse am Produkt. Die Loomos AI-Brille verfügt über einen 450-mAh-Akku mit marktführender Standby-Zeit von bis zu 40 Stunden. Das Gerät ist außerdem mit einem Sony 16MP ausgestattet...

Google hat kürzlich die Veröffentlichung seines aktualisierten KI-Modells „Gemini2.0Flash Thinking Exp-0123“ für den 23. Januar 2025 angekündigt. Dieses Modell stellt eine Weiterentwicklung des bestehenden „Exp-1219“ dar und konzentriert sich hauptsächlich auf die Verbesserung der Schlussfolgerungsfähigkeit und der Transparenz des Denkprozesses. Angesichts des rasanten Fortschritts in der KI-Technologie möchte Google mit diesem Upgrade erreichen, dass Maschinen nicht nur Antworten generieren, sondern auch ihren Denkprozess klar darlegen können, wodurch die Akzeptanz und das Vertrauen der Nutzer in KI deutlich gesteigert werden.

Am 20. Januar gab Shangtang Technology die offizielle Veröffentlichung seines interaktiven "日日新融合大模型" (SenseNova-5o) bekannt, das Echtzeit-Audio-Video-Chat-Dienste anbietet und Nutzern für eine begrenzte Zeit kostenlos zur Verfügung steht. Die Veröffentlichung dieser interaktiven Version markiert einen weiteren wichtigen Fortschritt von Shangtang im Bereich der künstlichen Intelligenz. Ziel ist es, durch leistungsstarke Echtzeitinteraktion, visuelle Erkennung, Gedächtnis, Denkvermögen und komplexe Schlussfolgerungsfähigkeiten eine natürlichere und flüssigere Kommunikation zwischen KI und Mensch zu ermöglichen.

Nachdem SeaShell AI Ende 2024 die Funktion der KI-Sprachklonung für die internationale Version eingeführt hat, hat Hailuo AI kürzlich das neue Sprachmodell T2A-01-HD veröffentlicht. Das neue Sprachmodell T2A-01-HD unterstützt ebenfalls die Sprachklonung und kann emotionsreiche Sprache erzeugen. Laut offizieller Beschreibung wurde die Audioqualität im Vergleich zum vorherigen Audiomodell verbessert, und es bietet eine außergewöhnliche Klonpräzision. T2A-01-HD ist jedoch derzeit noch nicht Open Source. Benutzer können es jedoch kostenlos auf der Webseite zeitlich begrenzt nutzen. Besuchen Sie Hailuo AI

Google hat kürzlich die Einführung einer neuen Funktion für seine Notiz-App NotebookLM angekündigt: Benutzer können mit einem interaktiven KI-Podcast-Moderator interagieren. Diese Funktion erweitert die bestehende Audio-Übersicht-Funktion und ermöglicht es Benutzern, Fragen zu stellen, tiefergehende Diskussionen zu führen und personalisierte Antworten zu erhalten, während sie mit der KI interagieren. Die Audio-Übersicht-Funktion von NotebookLM ermöglichte es Benutzern ursprünglich, Dokumente (z. B. Kursmaterialien oder juristische Zusammenfassungen) hochzuladen, woraufhin ein virtueller KI-Moderator eine Podcast-Übersicht generierte. Der neue interaktive Modus ermöglicht es den Benutzern nun, mit dem Moderator zu interagieren.

Um die Entwicklung von Künstlicher Intelligenz weiter zu beschleunigen, kündigte Google an, seine Teams für den Aufbau von KI-Diensten, -Plattformen und -Tools weiter zu straffen und das AI Studio-Team sowie das Team, das APIs für die Gemini-Modellreihe entwickelt, in die Google DeepMind-Abteilung zu integrieren. Am 9. Januar 2025 veröffentlichte Logan Kilpatrick, Produktverantwortlicher für die Google AI Studio-Entwicklerplattform, einen Beitrag auf der Social-Media-Plattform X, in dem er diese Änderung bekannt gab. Kilpatrick erklärte, dass Google AI S...