アリババは最近、高忠実度な画像から動画を生成するフレームワーク「AtomoVideo」を発表しました。これは多粒度画像注入技術を採用することで、動画の忠実度を向上させています。
このフレームワークは、高品質なデータセットとトレーニング戦略を活用することで、時間的一貫性、動き強度、一貫性、安定性を維持しており、高い柔軟性を備えているため、長シーケンス動画予測タスクにも適用可能です。
さらに、AtomoVideoは既存のパーソナライズモデルや制御可能なモジュールと組み合わせることで、パーソナライズされたカスタマイズを実現できます。
現在、生成される動画の品質向上は今後の課題ではありますが、この技術は幅広い応用が期待されます。
【AIデイリー】へようこそ！ここは、毎日人工知能の世界を探求するためのガイドです。毎日、開発者に焦点を当て、技術トレンドを洞察し、革新的なAI製品アプリケーションを理解するのに役立つ、AI分野のホットなコンテンツをお届けします。
先日、アリババ傘下の研究開発チームが「OmniTalker」という新しいAI技術プロジェクトを発表しました。このプロジェクトは、その驚異的なビデオ生成能力で業界の注目を集めています。OmniTalkerは、参照ビデオを1つ使用するだけで、ビデオ中の人物の音声スタイルと表情を正確に捉え、それを基に唇の動きと表情が自然なダイナミックビデオを生成できます。この技術の発表は、アリババの生成AI分野における高い能力を示すだけでなく、ビデオコンテンツ制作に革命的な可能性をもたらします。
阿里巴巴クラウド通義千問Qwenチームは、Qwenモデルファミリーの次世代エンドツーエンド多モーダルフラッグシップモデルであるQwen2.5-Omniを発表しました。この全く新しいモデルは、あらゆる多モーダルな知覚のために設計されており、テキスト、画像、音声、ビデオなど、さまざまな入力形式をシームレスに処理し、リアルタイムストリーミングレスポンスを通じてテキストと自然音声合成出力を同時に生成できます。
科創板日報の報道によると、阿里巴巴クラウドは世界規模で、大規模なAI人材キャンパス採用活動を実施しています。今回の採用規模は近年最大とされ、清華大学、北京大学、浙江大学、マサチューセッツ工科大学、スタンフォード大学などの世界トップレベルの大学を主な対象とし、人工知能分野で将来性のある人材の獲得を目指しています。採用対象となる技術分野は、大規模言語モデル、マルチモーダル理解と生成、モデル適用、AIインフラなどを網羅しています。優秀な人材を引き付けるため、阿里巴巴クラウドは特別に…
中国のAI画像創作分野において、LiblibAIプラットフォームは最近、大きなアップグレードを迎えました。このプラットフォームは阿里巴巴の通義シリーズ大模型と正式に連携し、AI画像生成と動画創作における能力をさらに拡大しました。この取り組みは、AI技術の大きな進歩であると同時に、多くのクリエイターにとって朗報です。公式発表によると、LiblibAIは今回、万象の最新のオープンソースモデルを統合し、テキストから動画、画像から動画の機能を提供します。ユーザーはプロンプトを入力するか、画像をアップロードするだけで…
最近、アリババグループ傘下の研究チームが、注目すべき新技術であるTaoAvatarをひっそりと発表しました。この革新的なプロジェクトは、写真のようなリアルな3D全身バーチャルヒューマンを構築することに重点を置いており、拡張現実（AR）アプリケーションに革命的な体験をもたらし、デジタル世界でのインタラクションをより生き生きと自然なものにすることを目指しています。TaoAvatarの登場は、将来のAR体験に、聞くことができ、話すことができ、表情と動作を持つバーチャルアバターがもたらされることを示唆しています。次元壁を打ち破り、ARシーンで生き生きとしたあなたを表現します。
香港市場のDeepSeek関連株が本日好調で、多くの銘柄が大幅上昇を見せています。発表時点では、百度集団-SWが9.18％上昇、金山雲が5.03％上昇、阿里巴巴-Wが4.58％上昇しています。この上昇の背景には、百度の文心大模型技術の進化による触媒効果に加え、騰訊による大規模モデルへの積極的な取り組みによる計算能力需要の急増、政策と市場センチメントの共鳴による相乗効果があり、テクノロジーセクターの熱気は高まり続けています。百度のの大規模モデル技術のブレークスルー3月16日、百度は正式に文心大模型4.5と文心大模型を発表しました。
人工知能の急速な発展を背景に、AI大規模言語モデルの研究開発と応用は活況を呈しています。最近、この分野における複数の企業や機関の最新動向が広く注目を集めています。まず、ChatGPTが登場する前のNVIDIAの時価総額倍率はウォール街で大きな注目を集め、専門家らは、これが2008年のアップルの成功神話を再現する兆候かもしれないと考えています。同時に、国泰君安の最高情報責任者である俞楓氏は、AI大規模言語モデルの台頭により証券業界が「インテリジェント認知」時代に入るだろうと述べています。
報道によると、国家スパコンインターネットプラットフォームは阿里巴巴の通義千問大規模言語モデルへの接続を発表し、千問QwQ-32B APIサービスの正式提供を開始しました。本サービスを利用するユーザーは、最大100万トークンを無料で利用でき、多くの開発者や研究者にとって絶好の機会となります。千問QwQ-32Bは阿里巴巴通義チームが最近オープンソース化した推論モデルであり、優れた性能を誇ります。複数の権威ある評価データによると、千問QwQ-32Bの能力は「フルバージョン」の671Bと匹敵します。