302.AI

在10月初，OpenAI在旧金山召开了开发者大会。在发布会中，OpenAI推出了Realtime API 的公开测试版。 Realtime API是一种实时多模态API，它允许开发人员构建低延迟、多模态的AI应用体验。这个API背后的技术是GPT-4o模型，它支持音频输入和输出，能够实现超越传统基于文本的AI对话的实时、自然的语音交互。 像Realtime这…

什么是Artifacts？ 在数字化时代，AI对话工具已经成为我们日常工作的得力助手。然而，这些工具通常局限于输出纯文本内容，如Markdown和代码，使得用户在验证AI生成内容的实际效果时，不得不在多个软件和平台间频繁切换，这一过程不仅耗时耗力，还极大地降低了生产力和工作流畅性。 如今，Claude 3.5 Sonnet的Artifacts功能以其创新的技…

最近，随着NotebookLM的爆火，AI播客生成领域迎来了前所未有的热闹。 AI播客生成的兴起并不是偶然的，在信息爆炸的时代，用户往往会被海量的内容所淹没，很难去有效筛选和吸收有价值的内容，从而导致时间和精力的浪费。 而AI播客的出现改变了这一现状，比如曾经需要用3小时的时间才能通读一篇长论文才能提炼有效的关键信息，现在只需要3分钟，获取信息的过程也不再受…

10月22日，Genmo在社交媒体平台发布消息，推出最新的开源视频生成模型 Mochi V1。Mochi V1采用创新的 Asymmetric Diffusion Transformer（AsymmDiT）架构，拥有高达100亿个参数，是迄今为止公开发布的最大视频生成模型。 根据Genmo官方介绍，Mochi V1模型在提示词遵循和动作质量方面表现十分出色：…

美国时间10月22日，Anthropic推出重大更新！其中包括升级版的 Claude 3.5 Sonnet 以及一款新的 Claude 3.5 Haiku 模型，除此之外，这次还带来了全新功能Computer Use，这一功能支持AI像人类一样操作计算机，可以遵循用户的命令在计算机屏幕上移动光标，点击相关位置，并通过虚拟键盘输入信息，模拟人们与自己计算机的交…

您是否遇到过这样的问题？大语言模型回答答非所问，或者直接在胡说八道。这种情况一般是因为大语言模型产生了幻觉。在开发和实际应用中，幻觉问题是一个常见且严重的问题，因为幻觉的存在，会导致回答的可信度大大降低。 幻觉出现的原因通常是模型对于某些特定领域或最新信息缺乏了解的情况下，而RAG（Retrieval-Augmented Generation）技术通过结合检…

10月17日，英伟达（Nvidia）开源了微调后的Llama3.1——Llama-3.1-Nemotron-70B-Instruct。 Llama-3.1-Nemotron-70B-Instruct 是 NVIDIA 使用私有数据集微调后的Llama3.1，旨在提高 LLM 生成的响应对用户查询的帮助性。 根据官方Tech Report，Llama-3.1-…

最近雷总很忙，四处对一些问题发表他独特的“看法”。 既有对着堵车、假期一顿猛喷： 也有大胆开麦要操控小米手机、汽车： 这些视频中的配音，无论是在音色还是语气上，都与雷总本人极为相似，视频理所当然的成为了热点，最后小米法务部不得不介入处理，相关视频也开始被全网下架。 其实这些都是AI生成的语音, AI技术的快速发展为我们带来了许多惊人的技术突破，而语音克隆就是…

看视频已经成为了现代人不可缺少的娱乐放松方式，尤其是随着全球化的发展和互联网的普及，人们接触的内容越来越多，观看国外的视频也很方便，比如一些有趣的短视频、电视剧电影、演讲、纪录片等。 然而对于一些观众来说，没有中文翻译的外语视频犹如天书一般，听不懂外语、看不懂内容，就无法享受看视频带来的乐趣了。 试想一下，作为一个追剧爱好者，好不容易等到新剧集更新，却看到一…

在信息时代，电影解说正逐渐成为大众喜闻乐见的娱乐形式。因为现代生活节奏加快，人们更倾向于利用碎片化时间通过短视频获取信息和娱乐，而电影解说视频通常时长较短，能够在几分钟内为观众提供电影的精华内容。小编在短视频平台搜素电影解说出来的作品数据都非常好，比如是这样： 无论是想让观众迅速了解一部电影的核心内容，还是剖析影片中值得深思的亮点，电影解说都在不知不觉中拉近…