5 modelos de IA de Pequim aprovados e lançados oficialmente

站长之家

Publicado emNotícias e Informações de IA · 1 minutos de leitura · Aug 31, 2023

Cinco dos primeiros modelos de IA de Pequim já foram registrados e serão disponibilizados gradualmente ao público a partir de 31 de agosto. Isso marca um grande avanço para as empresas de tecnologia nacionais nas áreas de geração de voz, imagem e texto. Os produtos incluem Ernie Bot (Baidu), modelo de IA da ByteDance (Douyin), modelo de IA da Baichuan Intelligent, Qingsong e Zidong Taichu. Esses modelos de IA oferecerão serviços como interação de voz, geração de imagem e escrita inteligente.

Superando o Google NotebookLM! PlayDialog: Modelo de geração de voz para podcasts de diálogo e narração

Recentemente, a Play AI lançou seu produto mais ambicioso - a versão beta do PlayDialog, capaz de gerar áudios de podcasts em formato de diálogo. Este modelo de voz AI ponta a ponta, utilizando o contexto histórico da conversa, consegue controlar o tom, a emoção e a velocidade da fala para alcançar uma síntese de voz mais natural, marcando um novo nível na interação homem-máquina. O PlayDialog é ideal para criar experiências de diálogo realistas, como narrações, dublagens e podcasts sintéticos, além de oferecer experiências imersivas de voz individual em ambientes comerciais.

Gigante francês de IA invade o campo multimodal: Mistral AI lança o modelo de compreensão de imagem e texto de código aberto Pixtral 12B

A Mistral AI lançou seu primeiro modelo multimodal de código aberto, o Pixtral 12B, que pode processar imagens e texto simultaneamente. Com 12 bilhões de parâmetros e apenas 23,64 GB de tamanho, é um peso-leve entre os modelos multimodais. Seu design inteligente e tecnologia avançada, juntamente com a disponibilidade de download dos pesos do modelo, reduzem significativamente o consumo de energia e as barreiras de implantação, aumentando a acessibilidade do modelo. O Pixtral 12B apresentou desempenho excepcional em vários benchmarks de referência, superando vários modelos multimodais conhecidos. Mistral AI

ChatTTS-OpenVoice: Um projeto de geração de voz personalizada de código aberto

Um projeto inovador chamado ChatTTS-OpenVoice está chamando a atenção na internet, combinando as tecnologias ChatTTS e OpenVoice para gerar vozes personalizadas e naturais com base em um áudio de referência de 10 segundos enviado pelo usuário. Essa tecnologia é adequada para ferramentas de dublagem e assistentes de voz, oferecendo uma experiência de voz personalizada por meio de um processo de upload simplificado. O projeto, desde seu lançamento, tem recebido elogios de desenvolvedores e usuários, gerando muita discussão nas redes sociais. O responsável pelo projeto afirma que o objetivo é fornecer aos usuários vozes mais personalizadas e naturais.

Microsoft Azure AI adiciona 40 novos modelos de IA abrangendo texto, imagem, código e geração de voz

A Microsoft Azure AI anunciou a adição de 40 novos modelos de IA à sua plataforma de desenvolvimento na nuvem, incluindo Whisper V3, Stable Diffusion, Phi, Falcon e SAM. Os desenvolvedores podem integrá-los facilmente por meio de APIs ou SDKs, com suporte para ajuste fino de dados e otimização de instruções. O Mercado de Modelos oferece pesquisa por palavras-chave para que os desenvolvedores possam encontrar rapidamente os produtos adequados para seus aplicativos. Entre os modelos novos notáveis estão o modelo de voz Whisper V3 e o modelo de imagem Stable Diffusion.