写点什么

AI 日报|文生语音大模型国内外均有突破,Pika 完成 6 亿新融资,视频大模型也不远了!

作者:可信AI进展
  • 2024-06-07
    浙江
  • 本文字数:1835 字

    阅读完需:约 6 分钟

文章推荐

AI搜索哪家强?16款产品实战测评,效率飙升秘籍!

AI日报|智谱AI再降价,同时开源9B系列模型;国内外气象大模型竞逐升级

字节推出文本到语音模型家族 Seed-TTS:擅长情感表达,与真人几乎无异

字节跳动推出文本到语音模型家族——SEED TTS,其核心亮点在于生成的语音音色高度接近人类,在相似度与自然流畅度方面,可以与真声媲美。

在技术层面有以下创新:

  • Seed-TTS 是一系列大规模自回归文本到语音(TTS)模型,它通过学习语音上下文、说话人相似度和自然度等方面的特征,生成与人类语音难以区分的高质量语音。此外,Seed-TTS 还具有优越的情感控制能力,可以根据需求生成具有不同情感和语音属性的语音


  • Seed-TTS 还提供了自蒸馏方法用于语音分解,可以更好地理解语音的特征,以及增强模型鲁棒性、说话人相似度和控制性的强化学习方法。


  • Seed-TTS 还展示了非自回归(NAR)变体 Seed-TTSDiT,它采用完全基于扩散的架构,不依赖于预先估计的音素持续时间,通过端到端处理进行语音生成。

https://bytedancespeech.github.io/seedtts_tech_report/

Stability AI 发布 Stable Audio Open 文本至音频模型,时间可长达 47 秒

Stability AI 宣布推出生成声音和歌曲的开放式人工智能模型—Stable Audio Open。该公司声称,该模型仅接受免版税录音训练。用户只需输入文本描述,模型就能生成最长 47 秒的声音片段,

Stable Audio Open 能够创造鼓点、乐器旋律、环境音效及视频、电影、电视节目的制作元素,还能“编辑”现有歌曲或融合不同曲风,例如将柔和爵士风格应用于另一首歌。

并且 Stable Audio Open 一大亮点是用户可基于个人音频资料微调模型,让生成的内容更加个性化。

然而,这款开源模型存在局限:无法生成完整歌曲、旋律或人声,对此类需求,Stability AI 推荐使用其付费服务 Stable Audio。

此外,Stable Audio Open 禁止商业用途。

https://techcrunch.com/2024/06/05/stability-ai-releases-a-sound-generator/

Pika 完成全新 6 亿融资,即将发布全新视频生成大模型

AI 视频生成初创公司 Pika 日前已完成总额 8000 万美元的 B 轮融资,由 Spark Capital 领投,Greycroft、Lightspeed Venture Partners 以及 Jared Leto 参投,公司估值超过 4.7 亿美元,较上一轮翻了一倍。

截至目前,Pika 总融资额已达 1.35 亿美元。Pika 用户数达到数百万,每周生成数百万个视频。同时,Pika 已租用数百个量级的 GPU(图形处理器)芯片,用于模型训练和推理计算。

创始人郭文景表示:“我们正在努力打造最好的视频模式,同时也在努力打造真正服务于创作者的产品。”据悉,Pika 将在今年下半年发布一个全新关键的基础模型以及配套产品更新。

https://mp.weixin.qq.com/s/fJtcza5MB9rmFRmLT2bI9g

Cartwheel 提供文字生成 3D 动画,为创作者提供支持

从头开始制作 3D 角色动画通常既费力又费钱,需要使用复杂的软件和动作捕捉工具。Cartwheel 希望让基本动画变得简单,只需用文字描述动画,就可以用 AI 生成基本动作。

因此用户在使用 Cartwheel 时,可以从文本框时输入任何内容,一两分钟后就可以得到一个流畅的基本动作动画,然后可以将其导出到 3D 编辑软件中。

Cartwheel 表示,动画师无需在迈步,拍打,坐下等基本动作上花费太多时间,Cartwheel 可以自动生成基本动作,用户可以自己对其进行关键帧处理,制作过程会更加快捷。

https://techcrunch.com/2024/06/05/cartwheel-generates-3d-animations-from-scratch-to-power-up-creators/

苹果发布会前 iOS ChatGPT 迎来重大更新,支持后台交互

距离类似 ChatGPT 的智能功能引入 iOS 18 仅剩几天时间。ChatGPT 官方 iOS 应用迎来重大更新(1.2024.150),用户现在可以在使用其他应用的同时继续与 ChatGPT 进行对话。ChatGPT 的这项全新多任务功能默认处于关闭状态,需要手动开启。

开启后台对话功能后,用户可以启动与 ChatGPT 的语音对话,然后离开应用并继续交谈。即使用户在使用其他应用,也能继续与 ChatGPT 语音助手进行对话。

https://www.ithome.com/0/773/429.htm

Nvidia 市值突破 3 万亿美元,超越苹果

得益于 AI 芯片的需求激增,英伟达今年股价飙升约 147%,市值增加约 1.8 万亿美元,周三,该公司股价上涨 5.2%,收于创纪录的 1224.40 美元,市值超过 3 万亿美元,超越苹果公司。

周三股价上涨使英伟达 CEO 黄仁勋在彭博亿万富翁指数上的财富增加了 50 多亿美元,达到 1074 亿美元。

英伟达没有放缓脚步的迹象,CEO 黄仁勋表示计划每年升级其 AI 加速器。黄仁勋在台湾大学的演讲中提到,生成式 AI 的兴起是一场新的工业革命,随着 AI 技术渗透到个人电脑领域,英伟达将继续扮演重要角色。

https://es-us.finanzas.yahoo.com

发布于: 刚刚阅读数: 3
用户头像

分享SPG,AGL,ACE和LLM在金融领域的进展。 2023-12-25 加入

还未添加个人简介

评论

发布
暂无评论
AI日报|文生语音大模型国内外均有突破,Pika完成6亿新融资,视频大模型也不远了!_可信AI进展_InfoQ写作社区