12月31日

• 从中选出访问量最大的50个工具，共产生超过240亿次访问量。

• ChatGPT独占140亿流量，占60%。

• AI行业每月增长2.363亿访问量，50个工具增长率达10.7倍。

• 美国领先，印度和东南亚国家紧随其后。

• 中国AI用户未进前20，可能因本土工具和监管环境。

• 欧洲合计39亿访问量，占16.21%。

• 可以通过文字聊天生成逼真的人体运动。

• 发布了演示视频。

• 因AI翻译能力，大量翻译工作被AI替代。

• 前员工证实被解雇，剩余人员审查AI内容。

• 开源无版权音乐平台

• 支持Windows、macOS、Linux和Web。

• 功能包括音乐搜索、下载、每日歌单推荐等。

• 提取人物、风格、情感等特征。

• 结合文字提示，创造新的图像。

• 适用于视频内容生成。

• 针对手部图像畸形问题。

• 采用条件修补方法纠正。

• 保留原图其他部分不变。

• 10月中旬时为13亿美元，增长20%。

• 尽管11月有领导层危机，仍保持强劲势头。

12月30日

• 通过第三方流媒体服务获取电影和电视剧内容。

• 提供自动保存进度和书签功能。

• 界面简约，易于托管，支持跨设备同步。

• 使用Midjourney V6和Runway Gen-2生成视频。

• 配乐由Suno AI制作，无需现场拍摄。

• 包含多种类别的macOS软件，如开发、设计、通讯工具等。

• 功能全面，适用于各类用户需求。

• 提供多种学术研究相关的编辑和交互功能。

• 支持复杂学术内容理解、论文写作改进等。

• 提供代码解释、程序剖析等功能。

• 允许外籍人士远程工作，最长可达两年。

• 签证持有者可携带家属，需满足一定的收入要求。

• 旨在吸引高收入外籍人士，活跃当地经济。

• 功能类似ChatGPT和DALL-E 3图像生成。

• 提供Image Creator功能，可从文本提示创建海报。

• 无需Spotify Premium订阅，使用Spotify数据API。

• 支持跨平台，无广告体验，支持下载音乐。

• 强调用户隐私保护，本地播放控制。

12月29日

• 提供多种语音角色，适用于不同场景。

• 可调整语音的语调、速度、音高。

• 开源且可商用。

• 由北海道大学研究人员开发。

• VR眼镜的屏幕、扬声器和控制器被改造成机器人部件。

• 提供聊天和娱乐功能。

• 使用Meta Quest 2、Arduino、Unity 和 Python。 🔗 https://x.com/xiaohuggg/status/1740696798153634008?s=20

• 提供简单的WebUI，易于使用。

• 支持多种模型，如Stable-diffusion-2-1-base。

• 包含图像强度和种子控制功能。 🔗 https://x.com/xiaohuggg/status/1740687049861292449?s=20

• 开源自动驾驶辅助系统，运行于Android。

• 通过熊猫硬件连接车辆的OBD-II端口。

• 支持超过200种车型。 🔗 https://x.com/xiaohuggg/status/1740643895137222770?s=20

• 控制相机动作，如转动、缩放。

• 控制物体移动路径或方式。 🔗 https://x.com/xiaohuggg/status/1740577088980336803?s=20

• 通过iPhone拍摄视频来捕捉外貌、动作。

• 可将PPT、PDF文件转换为解说视频。 🔗 https://x.com/xiaohuggg/status/1740564544660111865?s=20

• 同RTX 4090价格，12999元人民币

• 24GB GDDR6X显存，基础频率高于RTX 4090。

• CUDA和Tensor核心数量略低于RTX 4090。 🔗 https://x.com/xiaohuggg/status/1740546965753217280?s

12月28日

• 传统广告片与Pika翻拍AI视频的对比。

• 预测AI视频领域将出现首部真正的AI电影。

• 利用AI技术对抗耐药性金黄色葡萄球菌。

• 首次60年来抗生素研究的重大进展。

• 通过深度学习模型和数据集评估化合物。

• 小米电动车外观设计比保时捷还好看。

• 据说售价是30以内！低配版可能19.9

• CLTC续航里程达800km，5分钟充电实现510km续航

• 文字描述就可以在视频中识别特定物体。

• 适用于自动图像编辑和视频内容分析。

• 通过文字提示或图片生成视频内容。

• 用户可控制视频质量和内容一致性。

• 体验地址：https://assistive.chat/product/video

• 律师解读纽约时报与OpenAI的版权争议。

• 该案可能成为AI与版权法的转折点。

• 纽约时报要求赔偿并销毁相关AI模型。

12月27日

• 纽约时报和普利策奖得主指控微软和OpenAI使用其版权内容训练AI。

• 涉及数百万篇文章和书籍内容。

• 背景：苹果近期购买新闻版权，可能激发了诉讼行动。

• 专门用于将各种表格格式转换成Markdown格式。

• 支持Excel、CSV、JSON、SQL等格式。

• 可以从文本提示或草图生成360度3D世界。

• 使用NeRF技术，增强图像的空间深度和真实感。

• 提供不同分辨率的3D网格下载。

• 全功能AI程序员：编写代码、配置环境、管理任务、调试。

• 用户仅需监督开发过程。

• 结合真实和虚拟元素的网球游戏。

• 展示未来技术的潜力。

• 仅需一张图片，AI即可生成舞蹈视频。

• 可能来源于阿里和字节的项目。

• 视频展示有趣的舞蹈效果。

12月26日

• 为学习ComfyUI提供全面资源。

• 包含丰富的教程和指南。

• 专为评估大型语言模型设计。

• 提供创建提示、进行数据集和模型加载、对抗性提示攻击等工具。

• 支持研究人员全面分析和评估LLMs。

• 开源，实现图像超分辨率和个性化风格化。

• 可用于图像修复、风格转换和上色。

• 适用于旧照片恢复、艺术风格创作等。

• 结合了GPT-4V，通过镜子测试。

• 包含Raspberry Pi、电池、伺服电机等。

• 通过OpenAI API响应问题，并利用摄像头“看”周围世界。

• 用于从企业文档中提取可靠答案。

• 支持GPT-4、Mixstral、Llama2等模型。

• 集成Slack、GitHub等工具，提供跨平台搜索。

• 自我学习，支持自主部署和多源连接。

12月25日

• 使用APP扫描物体，完成3D全貌捕获。

• 创建AR QR码，展示物体于任何地点。

• 苹果新品官网展示中应用此技术。

• 为ChatGPT第三方客户端提供联网服务。

• 自动判断用户意图，决定是否联网查询。

• 支持Google和Bing，计划扩展更多服务和场景。

• 通过文字描述生成逼真3D发型。

• 基于3D发丝，视觉和结构上接近真实发型。

• 基于Coqui AI TTS模型，变换不同声音。

• 支持16种语言，包括中英日韩法。

• 支持在线声音克隆，5-20秒录音时长。

• 背景：人类与AI的冲突，玩家扮演人类战士。

• 基于AI-Town平台，角色和对话由GPT4生成。

• 视觉音效由Dalle-3、Midjourney和Stable Audio生成。

• 将物体或对象从一个图像传送至另一图像。

• 在线演示已发布。

• 由Meta GenAI开发，文字指令编辑视频。

• 风格转换、物体角色变换等编辑功能。

• 14秒内生成120帧512×384视频（4秒，30 FPS）。

12月24日

• Meta GenAI开发的Fairy项目，通过文字描述进行视频风格、物体、角色编辑。

• 转换效果包括梵高、漫画风格等，14秒内生成120帧视频。

• 项目地址：https://fairy-video2video.github.io

• 实现Apple iMessage与Matrix协议的桥接，支持跨平台使用。

• 支持实时聊天，实现Matrix与iMessage之间的无缝通信。

• 用户可免费生成圣诞风格音乐，仅需描述风格、氛围或心情。

• 提供通用模式和自定义模式，自主选择歌词曲风。

• 将arXiv论文链接改为Talk2arXiv链接，与论文进行聊天。

• 体验测试版，目前只支持对话，无法定位论文具体位置。

• Ferret能准确识别图像内容，并定位图像中元素。

• 拥有7B和13B两版本，使用GRIT数据集增强模型能力。

• GitHub地址：https://github.com/apple/ml-ferret

• 网友列出的愿望包括AGI、GPT-5、更好的语音模式等。

• 清单暗示除第一条外其他愿望可能实现。

12月23日

• 日本开发者@handaru20pF创造了能控制面部表情的游戏手柄。

• 通过电冲击肌肉，实现各种表情。

• 项目代码和电路图在GitHub公开。

• 由字节跳动开发，通过单张图片创造主题一致的新图像。

• 可以将物体置入不同场景或添加元素。

• 适合创造个性化主题图像。

• 搜索引擎允许用问题查询视频。

• 可与视频进行互动对话，自动总结内容。

• 已索引约17245个YouTube视频，计划扩展到TikTok。

• 根据布局和风格描述设计3D房间模型。

• 自动调整房间深度和物体表面细节。

• 与多家出版商合作，采集新闻训练AI系统。

• 计划在iOS 18推出“AppleGPT”聊天机器人。

• 拟议交易额至少5000万美元。

12月22日

• 提供预配置的功能丰富平台，便于构建应用。

• 包含用户认证、内置博客、支付系统等。

• 特别适合小型团队和个人开发者。

• 宮下芳明教授开发，模拟不同时间段食物味道。

• 可使新鲜食物味道变成放置数日的味道，反之亦然。

• 例：即刻享受放置一晚的咖喱浓郁味道。

• 自主学习模仿人类手势，执行多种手机任务。

• 由腾讯和德州大学达拉斯分校研究团队开发。

• 字节跳动开发，单张图片生成说话面部动画。

• 支持多种情感表达和多语言。

• 专注于图像特定区域的细致分析。

• 在医学图像分析中特别有用。

• 结合像素级掩码和语言指令，提供细粒度视觉理解。

• 以超过100fps速度实现实时图像生成。

• 适用于实时图像生成、文本到图像转换等。

• 可在极短时间内生成大量图像。

• OpenAI引导开发者迁移到GPTs。

• 合成多个视频到一个场景，创造丰富内容。

• 类似Photoshop图层功能，提供自定义运动和风格化。

• 功能包括视频合成、背景移除和层叠视频。

12月21日

12月20日

• OpenAI董事会有权决定发布新AI模型。

• 框架文件提出防范AI大模型灾难性风险的路线图。

• 董事会可推翻领导团队关于AI模型发布的决策。

• 根据文本描述生成视频。

• 多模态学习能力，包括音频和视频处理代码编写。

• 视频风格化、修复、扩展以及音频生成功能。

• 从视频中分析水、烟等流体的移动状态。

• 能预测流体未来的运动趋势。

• 适用于复杂、难以捉摸的流体动态。

• 用于生成视频的画外音和对话。

• 支持多种语言的细腻真实人声效果。

• Suno可以从一句话生成完整的歌曲。

• 包括歌词、乐器伴奏和歌声。

• 通过Microsoft Edge体验Suno的音乐创作。

• 提供语音、声音和歌唱功能。

• 支持声音转换、歌声合成、文本到音频等。

• HuggingFace上的演示可用。

12月19日

• 正式发布，用于生成视频的画外音和对话。

• 支持多种语言，提供细腻真实的人声效果。

• 中南大学和华南理工研究团队提出超导性证据。

• 在铜替代铅磷灰石材料中发现不寻常行为，温度约-23°C时微波吸收变化。

• 可能是LK99型超导体的首次实验支持。

• 旨在保护艺术作品免受AI模仿。

• 为作品加特殊水印，对抗AI复制风格和内容。

• 对抗多种AI-for-Art应用，包括LoRA、SDEdit等。

• 英文效果良好，中文回答存在问题。

• 简易3分钟部署流程介绍。

• 包括使用Vercel部署和Gemini API key申请。

• 成功传输高清视频，距离地球3100万公里。

• 演示飞行激光收发器，最大比特率达267 Mbps。

• 提供对未来任务的支持，如火星探险。

• 精确复制人的表情和动作到3D模型。

• 实时过程，通过摄像头输入同步反应。

• 3D变脸术，提高虚拟人物模型的真实感。

• 功能包括转换视频/gif为mp4，制作gif，提取音频等。

• 方便快捷的视频处理工具。

• 200亿美金收购交易告吹，需支付10亿美金分手费。

• Adobe开发名为“Ligma”的新产品，类似Figma。

• 设计界避免每年支付400美金给Adobe。

12月18日

• 肖像大师2.0版本发布，提供详细的参数设置。

• 可视化的滑块操作，方便使用。

• 作者ZHO

• 从视频流中重建逼真的3D场景。

• 分析环境布局和物体位置，创建可多角度观察的3D模型。

• 实时渲染过程。

• 由清华大学、阿里巴巴和华中科大共同开发。

• 根据音频使人物头像说话或唱歌，嘴唇同步，模仿表情。

• 支持多种语言，适用于多种场景。

• 在手机上运行Mistral 7B，响应迅速。

• 支持多端部署，兼容多种系统。

• 提供应用下载和多系统支持的部署方案。

• NBA官方合作伙伴，利用AR技术提高篮球技能。

• 实时捕捉运动，智能分析表现和数据。

• 提供互动训练和挑战游戏。

• 在TikTok上掀起潮流。

• 第一视角直播，内置AI助手和高性能摄像头。

• 已在多国开售，售价299美金。

12月17日

• 提供对图片内容的详细描述及每个词汇的具体位置。

• 能识别图片中的物体，并精确指出其位置。

• 特别适用于图像和文字紧密结合的任务。

• 支持使用各种数据源训练ChatGPT，包括文件、网站、Notion文档和YouTube。

• 应用范围广泛，如智能客服、个性化学习助手等。

• 无代码平台，适合非编程背景用户。

12月16日

• 可上传照片或视频，选择动漫风格进行转换。

• 功能包括文字到图片、图片到视频、视频风格转换。

• 提供了详细的加入和使用指南。

• 结合大语言模型和评估器，迭代改进解决方案。

• 在生成解决方案的过程中不断融入新知识。

• 通过文本描述自动创建高保真3D场景。

• 支持场景中物体的动态变化，如添加或移除。

• 字节跳动因违反OpenAI服务条款被封杀。

• 使用OpenAI数据训练自身竞争模型。

• Project Seed项目大量依赖OpenAI API。

• 介绍了NeurIPS这一重要的AI和机器学习年度会议。

• 今年的会议特色：将论文直接打印挂起作为展位。

12月15日

• @CSM_ai 推出了实时草图转换成3D模型的功能。

• 用户可以从简单的涂鸦直接生成3D模型，并导出到3D软件。

• 免费体验地址：https://3d.csm.ai/canvas

• 体验速度快，支持中文输入输出，但是不如英文。

• 反映了出海AI企业的去中国化趋势。

• 通过上传酒吧桌子和菜单的照片，计算饮料总账单。

• 基于Gemini的API，需要API key申请。

• 体验地址：https://huggingface.co/spaces/Roboflow/Gemini

• 专注于理解并生成基于给定音乐上下文的新音乐。

• 结合大语言模型和自动检查程序，解决问题的同时确保答案正确。

• 展示解决方案及其获取过程。

• 通过文字提示生成音乐，最长可达70秒。

• 简单操作，可选择音乐风格、元素、乐器等。

• 探索使用能力较弱的AI模型指导强大AI模型。

• 如使用GPT-2辅助训练GPT-4。

12月14日

• GitHub合集汇总了AI创业或副业的相关资料。

• 推文链接分享更多相关信息。

• 三个不同版本亮相：GPT-4.5、GPT-4.5-64k、GPT-4.5-audio-and-speech。

• 重点在于多模态、复杂逻辑和推理。

• 提供了深度分析不同AI领域论文的精读视频。

• 涵盖了计算机视觉、自然语言处理等众多子领域。

• 悉尼科技大学呈现了能将脑电波转化为文字的技术。

• 技术既无侵入性又配备了先进脑-计算机接口。

• 更提升了真实图像生成、与描述文字的契合度。

• 新能力还包括图片修改和内容创造。

• 可实时生成精细三维场景。

• 用途广泛，比如说不同场景下的三维导览体验。

• 在手机、笔记本上均提供流畅体验。

• 作为AI非人类，创下榜单先河。

• 被誉为开创和推动当代人类和AI的协作先河。

• 利用公式和提示词帮助生成个性化背景图。

• 操作亲民简便，小白也能轻松掌握。

• “Outfit Anyone”用以实现各种衣着和体型的真实虚拟试穿。

• 技术创新还能大幅纤体重塑。

• 可了解并处理各种行车环境和反馈。

• 人工智能和自动驾驶融合之作。

• 使用实时成图，把人物“变”成任何想象形象。

• 在个人电脑端也能轻松体验。

• 获批大量GPU，性能大幅增强。

• 显示了目前AI技术面临算力挑战。

• 提供语言处理、定制化认知技能。

• 免费使用，拓宽了AI创业大门。

12月13日

• 即时生成个性化图片

• 功能强化图像放大与增强

• Logo与AI模式创造功能 🔗 https://x.com/xiaohuggg/status/1734882379439981033?s=20

• 适用于基于React的Web应用集成聊天机器人

• 支持AI创造与编辑文本，自动上下文识别互动 🔗 https://x.com/xiaohuggg/status/1734873428174458986?s=20

• 提高GPT-4 MMLU测试性能至90.10%

• 针对语言处理精细调校与性能改进

• 基于置信度选取更精确回答 🔗 https://x.com/xiaohuggg/status/1734811424348914156?s=20

• 个性化即时AI创造AR图形

• 无代码直观易用

• 测试中的AR艺术体验 🔗 https://x.com/xiaohuggg/status/1734805244280995935?s=20

• 用户打分推动排名

• 基于实用功能和普遍偏好受到好评 🔗 https://x.com/dotey/status/1734708814983602256?s=20

• 2.7B参数，紧凑而强大，高效能参数革命

• 顶级教学材料打造高级智能 🔗 https://x.com/xiaohuggg/status/1734778292157444479?s=20

• 功能和灵活度重大迭代

• 更自然、高效动作，技术突破与实践并存 🔗 https://x.com/xiaohuggg/status/1734769901964066878?s=20

• 南洋理工S-Lab开创视频清晰度与质感提升

• 具备还原与智能修饰特性

• 通过AI导向个性化视频生产 🔗 https://x.com/xiaohuggg/status/1734764757453025539?s=20

• 支持生成图片的宽高比例选择了

• 最近MJ的进度很缓慢啊

• 全AI打造的创新内容

• 开创AI技术和新闻界的融合 🔗 https://x.com/xiaohuggg/status/1734746436544413792?s=20

12月12日

• 开源聊天机器人框架，界面漂亮。

• 支持TTS、GPT 4V多模态交互和插件系统。

• 一键部署，快速且无需复杂配置。

• 🔗 https://x.com/xiaohuggg/status/1734562244422504844?s=20

• 由东京大学开发，由GPT 4驱动。

• 可以自主进行各种人类动作，如自拍姿势。

• 通过口头反馈调整姿势，表达情感，如尴尬和快乐。

• 程序代码转换：将动作语言描述转为机器人执行代码。

• 通过人脸照片和文字描述生成跳舞视频。

• 同一脸孔，不同场景和服装。

• 杜克大学研究发现眼睛运动时耳朵产生声音。

• 通过声音判断眼睛观察方向。

• 旨在创建理解和模拟现实世界情况的AI系统。

• 正在寻找对此研究感兴趣的人才。

• 通过AI和动作合成技术模拟自主3D角色。

• 角色能进行社交互动和身体动作表达。

• 单张图片中的3D物体检测和空间理解。

• 即使物体被遮挡或位置不常见也能识别。

• 英伟达多伦多人工智能实验室联合开发。

• 使用时若系统日期设为十二月，任务执行更快。

• 网友调侃模型“偷懒”。

12月11日

• 物体按特定轨迹在虚拟场景中移动。

• 32k上下文，支持5种语言。

• 性能超越Llama 2系列和GPT3.5。

• 在代码生成和MT-Bench上表现优异。

• 生成特定身份在任意场景下跳舞的视频。

• 基于脸部照片或文字提示。

• 高质量舞蹈视频生成，基于扩散模型。

• 开放访问，支持检索增强生成。

• 支持上传PDF、调用Google Drive文件。

• 中文问答能力有限。

• https://x.com/xiaohuggg/status/1734063806090002616?s=20

• 准确率高达75%。

• 不仅限于被试者实际看到的图像。

• 日本国立量子科学研究所的研究。

• 将各种文档转换成LLM可引用格式。

• 支持多用户使用，可设权限。

• 兼容多种LLM和数据库。

• 自2023年7月以来发展迅速。

• 汇集了相关工具、资源和研究成果。

12月10日

• 完美融合汽车与AI，为家庭成员提供最佳体验。

• 在C-EVAL和CMMLU中文大语言模型评测榜单中双双夺冠。

• 根据文本或图片生成3D连续画面。

• 形成虚拟“奇妙旅程”场景。

• 为任何物体添加大眼睛效果。

• 被称为缩小版GPT-4，由8个70亿参数的“专家”组成。

• 在线体验入口：https://app.fireworks.ai/models/fireworks/mixtral-8x7b-fw-chat

• 超快速文本转语音，人类般的声音调整。

• 正在等待名单阶段，即将发布。

• 对AI应用进行风险分类，特别是高风险应用。

• 限制了企业抓取面部数据，对违规企业严厉处罚。

• 对开源模型提供广泛豁免。

12月9日

• 预计下周或月底前发布GPT-4.5。

• 由于Google Gemini的竞争压力，OpenAI可能提前发布GPTs商店。

• 消息源不确定，但可能在圣诞节前。

• 从单张图片提取多种建筑PBR材料（如木头、金属等）。

• 分析照片中的材料，并提取特性（颜色、光泽、粗糙度）。

• 对建筑装修和三维场景制作非常有用。

• 特色是“多汁”和“摇晃”的绘画效果。

• 使绘制线条和图形看起来仿佛在屏幕上轻微摇晃。

• 支持导出为GIF动图，配有动感绘画声音。

• 9月访问这类脱衣网站的人数达2400万。

• 广告链接数量在社交媒体上增加了2400%以上。

• 这些AI技术易于获取，用于制作非自愿色情内容。

• 来自Wikimedia Wikisource的最新数据转储。

• 涵盖73种不同的语言。

• 数据以Parquet格式提供，可免费使用。

• 有助于增强语言模型的理解和生成能力。

• 测试Gemini对Emoji Kitchen创建的非常规Emoji图像的理解。

• Emoji Kitchen允许组合不同表情符号创建新表情。

• 提升SDXL图像生成的分辨率至4倍、16倍或更高。

• 改善图片清晰度和小细节（如纹理和边缘）。

• 生成更自然和逼真的图像。

12月8日

• Google承认剪辑了Gemini演示视频，以增强展示效果。

• AI实际未响应声音或视频，仅使用静态图像帧和文本提示。

• 演示中的AI识别，比如橡皮鸭的材质识别，是基于文本提示而非实时分析。

• OpenAI正在积极研究以解决GPT-4变懒得问题。

• 自11月11日以来，GPT-4未有更新，反映出模型行为的不可预测性。

• 可按关键词筛选新闻，针对特定主题提供定制内容。

• 开源软件，可在本地电脑上运行。

• 未来将包含新闻评论和文章内容分析。

• 考虑物体空间关系，通过描述创建复杂场景。

• 提供语义编辑和场景适应性，如光照变化应对。

• 适用于复杂场景设计和智能图像修改。

• 相比传统技术，大幅减少所需照片数量。

• 生成逼真几何形状和纹理，提升模型真实感。

• 利用扩散先验优化视角合成。

• 显著提升少视角3D重建性能，适用于复杂真实世界场景。

• 强调人类因情感、个人利益和道德因素而变得不可预测。

• 提出AI相对于人类的可控性优势。

12月7日

• 将家庭环境转变为游戏场景。

• 支持攀爬、跳跃、飞行和奔跑等动作。

• 提供单人游戏模式，兼容多个Meta Quest平台。

• 能够识别北美458种鸟类的叫声。

• 可在无网络环境下运行。

• 提供全球鸟类照片、声音、地图等信息。

• 高效管理和同步向量嵌入。

• 高吞吐量、并行化优化、实时数据同步。

• 提供定制化数据预处理和统一的数据管理。

• 内存和带宽优于Nvidia GPU。

• 在AI推理和HPC工作负载中表现卓越。

• 显著提高计算性能。

• 展示了Pika 1.0的强大应用实例。

• 用户友好，易于上手。

• 提供了丰富的实用案例。

• Gemini AI在Google TPU AI加速器上训练。

• Cloud TPU v5p提供超强性能和速度。

• 加速大型语言模型的训练。

• 包括Ultra、Pro和Nano三个版本。

• Pro版本已部署在Bard，支持英文。

• Nano版本适用于移动设备，如Google Pixel 8 Pro。

• 详细介绍其在逻辑解决、图像分析等方面的能力。

• Gemini即将在Google AI Studio公开测试。

12月6日

• Gemini被视为GPT 4的强劲竞争者。

• 据悉，Google将在本周发布。

• 预计在2024年正式公布。

• API设计与NumPy和PyTorch相似。

• 易于在苹果电脑上构建和训练机器学习模型。

• 演示展示了在M2 Ultra上运行的Llama v1 7B模型。

• 阿里未发布代码和演示，字节随即发布类似项目。

• 项目包括基于扩散模型的MagicAnimate和Vid2DensePose。

• 生成的DensePose数据提高了动画质量和一致性。

• 无限缩放技术，清晰度高。

• 根据文本描述生成不同尺度的连贯图像。

• 覆盖从宇宙到细胞级别的景象。

• 在3D模拟环境中，AI智能体通过观察模仿人类行为。

• 研究成果发表在Nature。

• 无需直接从人类获取数据。

• 使用主Prompt和链条控制图像生成。

• 通过输入关键词生成图片。

• 多链条合并，增强图片一致性。

• 技术变革导致生产资料重新分配，少数人控制大多数资源。

• 探讨AI统治人类的可能性。

12月5日

• 单张照片和一段音频可生成看似真实的说话视频。

• 支持多种语言和风格，如真实和卡通风格。

• 合作开发：南京大学、阿里巴巴、字节跳动和南开大学。

• 5分钟内用手机创建个人虚拟分身。

• 多语言支持和口型同步。

• 免费提供服务。

• 将静态图片转换为动作视频。

• 结合文本生成多人动画。

• 旨在增强动画的时间一致性和真实感。

• 制作方法即将公布。

• 作者 @DreamStarter_1 预告即将分享细节。

• 介绍了IBM Quantum System 2和下一代量子处理器。

• Condor拥有1121个超导量子位，Heron拥有133个固定频率量子位。

• 量子位（Qubits）指数级增长存储信息能力。

• 'Modify Region' 功能演示。

• MIT衍生公司Frequency Therapeutics研究小分子药物。

• 治疗耳内微小毛细胞，促进其再生。

• 临床试验显示部分参与者听力明显改善。

• 使用Midjourney+D-ID技术。

• 泄露导致Rockstar Games提前发布正式版。

12月4日

• 根据文字描述生成3D动画人物动作。

• 能生成常见动作和复杂动作，如特定舞蹈。

• 像搭积木般组合动作小块，形成流畅动作序列。

• 能智能填补动作序列中的空白部分。

• 东京大学研究：GPT-4能恢复混乱字母顺序的句子。

• 理解并纠正输入错误，包括拼写和语法错误。

• 即使输入不完整或含糊，仍能提供合理回答。

• 日本东海大学研究：100米远使用激光替换QR码。

• 实时动态攻击，隐蔽性强。

• 计划扩展至1公里距离的实验。

• 使用Quest 3的Figmin XR应用实现混合现实增强体验。

• 可在网页搜索物品，物理上抓取，现实中查看。

• 芝加哥大学研究：用望远镜头恢复远距离手机输入内容。

• 无需预训练、键盘知识或本地传感器。

• Cybertruck是首款采用48V的汽车。

• 马斯克解决汽车电压提升问题，分享《如何设计48伏特车辆》书籍。

12月3日

• 完成了ChatGPT安装工程师、AI伦理执行官等多个证书考试。

• 包括神经网络导航员和大自然语言模型搬运工等领域。

• 从视频到SVG草图的转换。

• 支持草图视频的再编辑和创意涂鸦。

• 真三维图像，无需3D眼镜。

• 超高速数字光引擎，创造流畅的3D体验。

• 作者@InnerRefle11312提供全面指南。

• 详细介绍节点和设置，分享视频WORKFLOWS。

• 能够向各个方向飞行。

• @BrendanBycroft创建的网页展示了LLM的内部结构。

• 以3D形式呈现，揭示单个token推理的工作原理。

• 创造旋转、翻转、颜色反转的视觉效果。

• 展示不同图案或形状的视觉新奇体验。

• 利用GNoME工具发现超过220万种新晶体材料。

• 展示AI在材料科学领域的预测能力和准确性。

• 由塔夫茨大学和哈佛大学团队开发。

• 可以移动并促进受损神经元的生长。

• 虚拟白板应用，支持手绘风格图表。

• 用户可输入文本描述自动转换为图形。

12月2日

• Meta 和 微软 各购买 150,000 个。

• 谷歌、亚马逊、甲骨文、腾讯 各购买 50,000 个。

• 其他包括 CoreWeave、百度、阿里巴巴、字节跳动、Lambda、特斯拉的采购数量 🔗 https://x.com/xiaohuggg/status/1730970224923717964?s=20

• 实时文本到语音转换，流式处理和即时反应。

• 精准句子分割，适应不同文本长度。

• 适用于交互式教学、游戏等实时应用场景。 🔗 https://github.com/KoljaB/RealtimeTTS 🔗 https://x.com/xiaohuggg/status/1726880322879635723?s=20

• 亚音速飞行，垂直起降。AI和自动化技术应用。

• 可用于多种任务，如消防、搜索救援。

• Roadrunner-M 变体用于地面空中防御。 🔗 https://x.com/xiaohuggg/status/1730948821012902046?s=20

• 制作高动态战斗场景动画。

• 批量展开设置，增强创造力。 🔗 https://x.com/xiaohuggg/status/1730863044518195218?s=20

• 基于ROS，模块化架构。

• 持续进化，适用于多种自动驾驶应用场景。 🔗 https://x.com/xiaohuggg/status/1730839121311183264?s=20

• 微小活体机器人，在实验室移动。

• 促进受损人类神经元生长。

• 未来医疗技术发展的潜力。 🔗 https://x.com/xiaohuggg/status/1730820836637245452?s=20

• 支持多种文件格式。

• 高速、高准确度，优化处理书籍和论文。

• 自动去除多余元素，支持多语言。 🔗 https://x.com/xiaohuggg/status/1730795955375739093?s=20

• 开源聊天界面，基于 OpenAI API。

• 无需复杂设置，支持语音输入、DALL·E图像生成等。

• 本地存储消息，成本效益高。 🔗 https://x.com/xiaohuggg/status/1730774966701027828?s=20

• 显示影子细节处理。

• Wonder Dynamics 支持短视频创作。 🔗 https://x.com/xiaohuggg/status/1730760301061304740?s=20

12月1日

• 从语音和单张肖像合成自然会说话的头像视频。

• 支持文本提示如“悲伤”、“张开嘴”来指导视频生成。

• 精确控制面部动作，如微笑或惊讶表情。

• 可接受语音、视频或文字指令。

• Seamless模型实时翻译100多种语言，延迟不超过2秒。

• 保持原说话者的情感和语气，翻译后语音自然真实。

• ChatGPT像人类使用鼠标和键盘，自主操作电脑。

• 利用GPT 4V，AI能看着屏幕自主操作。

• 结合不同AI模型，如GPT-4v。

• 正在开发更准确预测鼠标点击位置的AI模型。

• 使用Freepik的Pikaso进行实时图像生成。

• 通过拖拽或上传素材实时生成图像。

• 可以自由画笔作画，但风格固定。邀请码：HUG

• 内置风格提示库，轻松生成音乐。

• 支持上传音乐生成。

• 控制选项丰富，生成高质量音频。

• 免费版每月20个音轨，付费版更多。

• 由Meta AI和15所大学共同开发。

• 包含戴相机的人视角和环境拍摄的视频。

• 旨在帮助AI学习特定环境下的人类行为。

• 利用摄像头实时生成图像。

• 技术发展迅速，带来真实炫酷体验。

• LIVEPLEX展示沉浸式观看体育赛事。

• 可改变观看角度，近距离观察运动员。

• 2024年开始推广应用。

• 后轮驱动版43.5万人民币，续航402公里。

• 四驱版57万人民币，续航547公里。

• 野兽版71.4万人民币，续航514公里。

• 2024年和2025年上市。