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
OpenAI 宣布对其旗舰模型 GPT-4o 进行了重大升级，进一步提升了其在推理、跨媒体和对话能力等方面的表现。此次更新被称为 ChatGPT-4o（20241120），旨在为用户提供更自然、引人入胜的文本生成体验。在升级之前，OpenAI 对 GPT-4o 进行了严格的性能测试，这一过程在一个名为 “Chatbot Arena” 的大型语言模型（LLM）评估平台上进行。通过与其他模型进行对比，用户们在不知道模型名称的情况下，使用两个模型进行对话，最终 GPT-4o 在各项指标中脱颖而出，位列第一，超越了 Gemini-Exp-1114。此外，Open
