知识库精选- 5 月 30 日
type
status
summary
date
slug
tags
category
password
icon
- 《a16z 发布 AI 语音 Agent 图谱:重塑通话的时机到了》a16z 发布的 AI 语音 Agent 图谱指出,现在是重新定义电话的时代。人工智能技术让语音通话更高效,节省成本,提升用户体验。对企业来说,可以提高收入、降低风险;对消费者来说,提供免费高质量服务。AI 语音助手的发展机遇在于构建效率、垂直专业化、实际业务范围。技术架构包括多模态模型、全栈解决方案和自定义组装。B2B 语音助手演变从 IVR 到 AI 2.0,重点在特定行业、法规和集成。未来趋势是向更自然、更人性化的 AI 语音助手发展。
![notion image](https://assets.waytoagi.com/usercontent/Xnapper_2024_05_30_21_56_11_9a3ce71359.png?t=49b34493-d990-4971-bcc8-3abc9fcefe28&image_process=resize,w_1000)
- 《纽约大学 Alex Sheng:AI 程序员 Devin 的自我迭代之路 | Agent Insights》介绍了纽约大学的 AI 程序员 Alex Sheng 开发的 Self-Improving Computer Agent,能够自我进步迭代。他在研究中受到 Jurgen Schmidhuber 的启发,通过在计算机 OS 系统中生成和执行代码,实现 Agent 的自我增强与完善。虽然目前仍有一些限制,但这种技术有望应用于计算机任务的自动化执行,具有较强的可编辑性和创造性。
![notion image](https://assets.waytoagi.com/usercontent/Xnapper_2024_05_30_21_30_38_b058a245ca.png?t=44f4e450-3f5a-47ab-81f0-6c42a715f36c&image_process=resize,w_1000)
- 《OpenAI联创:RLHF是超级智能的秘密武器》本文是关于 OpenAI 联合创始人 John Schulman 的访谈,他认为模型的 post-training 和处理连续任务能力将是未来超级智能的关键。在未来,模型将能够执行更复杂和深度的任务,如编程项目完成、纠错能力增强等。模型的泛化能力将帮助其在出现问题时迅速自我调整。随着模型能力的提升,未来将会面临更高的训练成本,但也可能出现阶段性转变,使模型具备处理连续任务的能力。然而,尽管模型会变得与人类一样聪明,仍需解决一些小缺陷和挑战,才能达到人类水平或更高水平的智能。
![notion image](https://assets.waytoagi.com/usercontent/Xnapper_2024_05_30_21_29_14_43a40ac0db.png?t=5330ffc5-bc43-44e2-9eb9-c55d33c1d164&image_process=resize,w_1000)
- 《如何让自己的歌曲发布时更“好听”》本文介绍了如何通过在线 AI Mastering 网站让自己的歌曲在发布时更加 “好听”。推荐了几个提供 AI Mastering 服务的网站,并详细介绍了使用免费网站的步骤,包括上传文件、选择处理模式、配置参数等。通过这些步骤,可以让歌曲的质量得到提升,更符合发布标准。
- 《RAG提示工程系列(3)| 迈向工程化应用》作者:蓝衣剑客、云中江树,本文介绍了在 AI 领域中如何进行工程化应用,重点讨论了 RAG 框架的选择、业务流设计和提示词编写等步骤。通过实践经验分享,提出了在落地大模型解决方案时需优先考虑解决方案、重视应用层面,以及根据特定需求设定模型功能的重要性。文章强调了工程化在 AI 落地应用中的关键作用。
![notion image](https://assets.waytoagi.com/usercontent/Xnapper_2024_05_30_10_54_51_3a510c30d7.png?t=403ab2ef-4624-4c53-9e17-5a88d1e95f7f&image_process=resize,w_1000)
- 《OpenAI:GPTs 向全部用户开放,使用 GPT-4o》OpenAI 宣布对所有客户免费开放了网络搜索、视觉、数据分析和文件上传功能,甚至 GPTs 开放给所有用户使用,使用最新的 GPT-4o 模型。建议开发者测试和审查他们的 GPT,确保其表现如预期。
![notion image](https://assets.waytoagi.com/usercontent/Xnapper_2024_05_30_08_43_57_0029b91871.png?t=80da4e38-01f6-4691-b259-8e3c82218090&image_process=resize,w_1000)
- 《从美国软件企业的统计数据看AI的发展情况 》来自 五源资本的翻译文章,根据美国软件企业的统计数据,2023 年软件企业的 ARR 增长率下降,融资困难加剧,60% 的企业使用 GenAI 技术,面临盈利挑战。部分企业采用 GenAI 功能后,研发投入增加,净收入留存率提高。GenAI 原生类企业获得更多投资。
![notion image](https://assets.waytoagi.com/usercontent/Xnapper_2024_05_30_08_50_19_7f5740a0ad.png?t=7afdc021-4b0c-4a9f-b075-5d8d1ad1b37a&image_process=resize,w_1000)
🔔Xiaohu.AI 日报「5 月 30 日」
✨✨✨✨✨✨✨✨
1⃣️
🖼️山寨版阿里AnimateAnyone开源:
- 利用图像和视频中的人物姿势来合成动画。
- Novita AI开源并提供API支持。
- 提供照片和视频,即可自动生成动画。 🔗 GitHub:https://github.com/novitalabs/AnimateAnyone 🔗 API:https://novita.ai/playground#animate-anyone 🔗 https://x.com/imxiaohu/status/1796191458052944072
2⃣️
👗ViViD视频虚拟试穿技术:
- 阿里巴巴开发,可以替换视频中人物的衣服。
- 生成真实自然的视频,支持多种服装类型。
- 在视觉质量、时间一致性和细节保留方面表现优异。 🔗 https://x.com/imxiaohu/status/1796019244678906340
3⃣️
🎵udio-130音乐生成模型:
- Udio新推出,生成2分钟的音频,提升曲目连贯性和结构。
- 新增高级控制功能:随机种子、剪辑时间、提示词或歌词强度调节。 🔗 详细:https://xiaohu.ai/p/8738 🔗 https://x.com/imxiaohu/status/1795999902830629249
4⃣️
💻Codestral代码生成模型:
- Mistral AI推出,支持80多种编程语言,包括Python、Java、C等。
- 自动完成代码、编写测试,并能填补未完成的代码部分。
- 拥有32k上下文窗口,在多项基准测试中表现出色。 🔗 详细:https://mistral.ai/news/codestral/ 🔗 https://x.com/imxiaohu/status/1795987350713192937
5⃣️
🎹Suno音乐演示:
- 新视频展示从任何声音创作歌曲。
- VOL-2:古典钢琴加法国手风琴,由钢琴家兼工程师Anessa表演。 🔗 https://x.com/imxiaohu/status/1795976717905043467