9月25日,OpenAI为旗下热门对话AI ChatGPT推出了语音交互和图片识别等多模态功能。新功能支持用户通过语音对话以及上传图片进行交互,可实现语音识别、文本识别、物体检测等功能。多模态版ChatGPT称为GPT-4V,与GPT-4同期训练完成,考虑到安全性才推迟发布。OpenAI表示新功能会先在ChatGPT Plus订阅用户和企业版用户中推出。
9月25日,OpenAI为旗下热门对话AI ChatGPT推出了语音交互和图片识别等多模态功能。新功能支持用户通过语音对话以及上传图片进行交互,可实现语音识别、文本识别、物体检测等功能。多模态版ChatGPT称为GPT-4V,与GPT-4同期训练完成,考虑到安全性才推迟发布。OpenAI表示新功能会先在ChatGPT Plus订阅用户和企业版用户中推出。
Meta AI近日重磅开源了名为SPIRIT LM的基础多模态语言模型,该模型能够自由混合文本和语音,为音频和文本的多模态任务打开了新的可能性。SPIRIT LM基于一个70亿参数的预训练文本语言模型,通过在文本和语音单元上进行持续训练,扩展到语音模态。它可以像文本大模型一样理解和生成文本,同时还能理解和生成语音,甚至可以把文本和语音混合在一起,创造出各种神奇的效果! 比如,你可以用它来做语音识别,把语音转换成文字;也可以用它来做语音合成,把文字转换成语音;还可以用它来做
在今年的三星开发者大会上,三星正式发布了全新 Gauss2AI 模型,标志着其在人工智能领域的又一次重大进步。Gauss2在性能和效率上全面升级,应用范围从智能手机到家用电器,覆盖了多种智能设备。Gauss2具备多模态能力,可以同时处理图像、文本和代码,使人工智能更好地融入各类设备生态中。三星为其开发了三种版本,分别为 Compact、Balanced 和 Supreme,以满足不同使用场景:Compact 模型:可在离线设备上运行,适合无网络环境的应用。Balanced 模型:在需要时使用在线资源,兼顾性能与效率。S
近日,谷歌和 OpenAI 之间的竞争再次升温。在新版 GPT-4o 刚刚登顶 AI 竞技榜后仅一天,谷歌便推出了最新的试验版模型 Gemini-Exp-1121,迅速夺回了冠军宝座。就在一周前,谷歌刚发布了 Gemini-Exp-1114,这似乎表明谷歌对 OpenAI 的动态反应非常迅速。谷歌 DeepMind 的首席科学家 Jack Rae 对此表示,这是一场 “闪电战”,暗示着后期训练的迭代速度比预训练更为迅速。根据官方信息,Gemini-Exp-1121在多个方面进行了显著提升,主要体现在代码能力、推理能力和视觉理解能力的增强。此外,该模型在复杂
Crusoe Energy 是一家初创公司,专注于为 Oracle、Microsoft 和 OpenAI 等大企业建设数据中心。近日,该公司向美国证券交易委员会(SEC)提交了一份文件,显示其正在进行一轮总额818百万美元的融资,其中已有686百万美元到账。这轮融资吸引了70位投资者的参与。图源备注:图片由AI生成,图片授权服务商Midjourney据报道,今年早些时候,Crusoe 与彼得・蒂尔的创始人基金(Founders Fund)进行了大约5亿美元融资的谈判,得到了 Felicis Ventures 的参与。由于投资者对更大融资额度的兴趣,该公司预计将以高