今日，字节跳动火山引擎宣布，豆包大模型将在9月24日发布视频生成模型，并将带来更多模型家族的能力升级。据了解，豆包大模型在2024年5月15日的火山引擎原动力大会上正式发布。

近日，有国外媒体报道称字节跳动正加快自行研发制造AI芯片的步伐，以减少对英伟达昂贵芯片的依赖。报道声称，字节跳动计划与台积电合作，预计在2026年量产两款自研AI芯片，并已预订数十万片芯片的产量。更引人注目的是，报道指出字节跳动的目标是在成本相近的情况下，使自研芯片驱动的集群实现四倍于单个H100芯片的计算性能。对此，字节跳动迅速对这一报道作出回应。公司相关负责人表示，媒体的报道内容不实。该负责人承认字节跳动确实在芯片领域有所探索，主要是围绕推荐

最近，外媒The Information报道称，字节跳动正在加快研发自家 AI 芯片，并计划与台积电合作，希望能在2026年实现量产。报道还称，字节跳动此举是为了减少对英伟达芯片的依赖，降低开发和运作 AI 模型的成本。图源备注:图片由AI生成，图片授权服务商Midjourney根据《科创板日报》报道 ，针对今日媒体报道的字节跳动计划与台积电就AI芯片开展合作，字节方面回应表示，报道不实。字节跳动在芯片领域确实有一些探索，但还处于初期阶段，主要是围绕推荐、广告等业务的成本优化，所有项目也

​近日，字节跳动旗下AI智能助手品牌豆包的教育应用“豆包爱学”完成了全新升级。这款应用旨在成为学习者的智能伙伴和家庭教育的得力助手，为新学期的学习提供支持。“豆包爱学”推出了多项辅助学习功能，包括答疑解惑、作业批改、知识问答、作文辅导和口算练习等，以适应家庭教育的多样化需求。

字节跳动开源的FLUX Dev的Hyper SD Lora，以其高效的图片生成能力，革新了AI绘图速度，将传统步骤繁多、耗时长的过程缩短至8步或16步。此举不仅为创意实现提供了快速通道，更在Huggingface上设立演示空间，让用户直观体验8步Lora的绘图效果。尽管在画质上有所折损，但对大多数用户而言，影响不大。通过对比示例，可见在不放大情况下，折损不明显。此开源模型为AI绘图领域带来了速度与效率的飞跃，对创意工作者具有重大意义。

字节跳动正秘密筹备成立大模型研究院，旨在加强在人工智能大模型领域的布局。该研究院已吸引到业内顶尖人才，包括原面壁智能核心成员秦禹嘉和原零一万物核心成员黄文灏的加入。黄文灏将负责技术项目管理和规划，直接向创始人张一鸣汇报。字节跳动的这一举措，显示了其在AI大模型研发上的长期计划和积极布局，意在通过引入外部专家，推动技术进步，以在竞争激烈的市场中占据优势地位。朱文佳领导的团队已开始专注于大型模型的研发，他拥有在百度和今日头条的丰富经验，并在TikTok担任过产品技术负责人。尽管目前尚未决定是否建立独立的研究机构，字节跳动的这一系列动作表明其在AI大模型领域的决心和投入。

Andreessen Horowitz 发布的《Top100消费级生成式AI应用》第三版报告，揭示了当前流行的 AI 应用及其使用趋势。报告显示，内容生成工具，尤其是图像、视频、音乐领域的产品，占据了网页应用的主导地位，52% 的网页产品专注于此。音乐生成工具 Suno 表现亮眼，排名大幅提升。移动应用方面，图像和视频编辑工具受到用户欢迎，ChatGPT 居于榜首。字节跳动旗下豆包首次进入移动端榜单，显示了公司在 AI 领域的强劲实力。值得关注的是，新的审美和约会类应用如 Looks AI 和 Umax 也首次进入排行榜。整体市场活跃，近30% 公司首次上榜，显示了生成式 AI 应用的快速发展。

字节跳动推出的Seed-ASR引擎，通过海量训练数据，实现了对普通话、13种中国方言及7种外语的高精度识别，显著提升了跨语言交流的便利性。其关键优势在于出色的上下文感知能力，能结合历史信息准确识别人名、地名和关键词，尤其在特定场景下表现优异，提升识别精度。无论是在日常对话、复杂会议还是多人交谈、背景噪音环境中，Seed-ASR均能精准转录。它还能识别各种专业领域术语，适用于智能助手、语音搜索等场景，大幅改善用户体验。

字节跳动与上海科技大学的研究团队开发了一项名为“HeadGAP”的创新技术，仅通过三张不同视角的照片，即可快速生成高仿真、可动画化的3D虚拟人头部形象，并实现面部表情同步。研究过程中，团队首先从大型多视角动态数据集中提取3D头部先验信息，用于个性化定制生成目标人物的虚拟头像。采用基于高斯点云的自解码网络和部分动态建模，结合反演和微调策略，高效实现高质量、多视角一致性头像的个性化制作。该成果在虚拟社交、游戏开发等领域有广泛应用前景，实验显示生成的3D头像在渲染质量和动画效果上表现出色。

今日，字节跳动宣布，豆包大模型支持实时语音通话的新功能。据悉，火山引擎提供的对话式 AI 实时交互解决方案，结合了火山方舟大模型服务平台和豆包的语音识别与合成模型，简化了语音到文本和文本到语音的转换过程。这一方案实现了高效的语音数据采集、处理和传输，提供了卓越的智能对话和自然语言处理能力。

​字节跳动旗下豆包AI助手最近推出了一项新功能——音乐生成。用户只需在豆包app或电脑版中点击“音乐生成”，输入关键词或自定义歌词，并选择相应的曲风、氛围和人声，即可生成一首独特的歌曲。这一功能旨在帮助用户实现音乐创作的梦想，并通过音乐表达自己的情感和故事。

在数字世界中，人工智能成长依赖于检查点（Checkpoint），它能在训练大型语言模型（LLM）时，如突然断电或硬件故障导致损失时，将训练状态恢复至上一个安全状态。然而，传统的检查点系统在处理大型模型时效率低下。为解决这一问题，字节跳动和香港大学的研究团队提出了ByteCheckpoint，一种创新的检查点系统。ByteCheckpoint通过将数据和元数据分离，优化存储架构，支持自动在线检查点重分片，以及引入异步张量合并技术，大幅提升了大型模型训练的效率和容错能力。通过实验验证，ByteCheckpoint在检查点保存和加载速度上分别提高了数十倍甚至数百倍，显著提升了大型语言模型的训练效率，成为高效、稳定AI训练的关键工具。

字节跳动旗下的剪映团队研发的一站式AI创作平台"即梦AI"已在苹果App Store和小米等多个安卓应用市场上架。该平台提供AI图片创作、视频创作等功能。

火山引擎在成都举办了2024AI 创新巡展。火山引擎宣布其豆包大模型日均tokens使用量已超过5000亿，平均每家企业客户日均tokens使用量自5月15日模型发布以来增长了22倍。火山引擎副总裁张鑫表示，火山引擎正在向更智能化、行业化和区域化方向发展，并通过行业方案、产品和优化服务，助力企业实现业务创新。

扣子平台是AI应用快速转化工具，提供丰富插件、知识库、工作流及图像流，助用户将AI创意变成解决复杂任务的“专家型Bot”；火山引擎推出扣子专业版，专门面向企业级应用，其优势包括更稳定、丰富的资源、更轻松的发布过程，使AI应用开发周期大幅缩短达95%。此版本具备专业级SLA保障，确保业务稳定运行；无缝接入火山方舟的丰富模型资源，特别是豆包大模型家族，以及多种调校与开源模型；增加的团队资源容量和知识库容量，以及支持高频API调用，为企业低门槛开发AI应用提供强效支持。专业级扣子版已经成功助力多个行业整合企业级AI Bot，提升了AI与业务场景的融合度。

文章主要围绕WPS Office与字节跳动的AI产品“豆包”可能的数据泄露风波。用户曾在社交媒体质疑WPS Office可能将其审签内容泄露给豆包。字节跳动迅速作出回应，声明豆包AI未使用WPS用户数据进行训练，书目信息均来自公开渠道。WPS随后回应，否认其数据泄露的指控，强调严格遵守个人信息保护法规并采取安全措施，承诺用户的文档不会被用于AI训练或其他未经同意的场景。这次事件进一步强化了用户对于数据安全的重视与企业对于数据保护职责的认识。

字节跳动团队计划于7月19日（本周五）首次大范围公布其最新人工智能模型技术进展。此次公布的内容涵盖文生图、类Sora新视频等全新AI模型，特别在长视频和高动态方向上将展示创新技术，有望直接对标OpenAI的Sora文生视频模型。

为了满足用户对视频编辑的更高需求，字节跳动旗下的视频编辑应用剪映近日宣布推出全新的SVIP会员服务。这一服务不仅涵盖了多种AI黑科技功能，如智能翻译、智能划重点、智能包装和数字人合成，还为用户提供了丰富的独家资源和个性化服务。

今日，字节跳动正式发布了AI智能编码工具豆包MarsCode。据介绍，MarsCode 是一款提供带内置 AI 助手和支持超过100种语言和主流 IDE 的扩展的集成开发环境（IDE）。它具有强大的 AI 助手，能够提供代码完成、解释和调试等功能，帮助开发者更快地编码和创新。AI 助手能够在编码过程中提供单行或整个函数的建议，并支持通过注释生成代码片段。

字节跳动发布了新一代的Depth Anything V2深度模型，该模型在单眼深度估计领域实现了显著的性能提升。与前一代Depth Anything V1相比，V2版本具有更精细的细节和更强的鲁棒性，同时在效率上也有了显著提高，比基于Stable Diffusion的模型快了10倍以上。