AI日報：InstantX推FLUX圖像生成黑科技；面部遷移模型HelloMeme；遊戲實時生成算法GameGen-X

歡迎來到【AI日報】欄目!這裏是你每天探索人工智能世界的指南，每天我們爲你呈現AI領域的熱點內容，聚焦開發者，助你洞悉技術趨勢、瞭解創新AI產品應用。

新鮮AI產品點擊瞭解：https://top.aibase.com/

1、InstantX圖像生成黑科技！可精確控制 FLUX 生成圖片時每個區域的內容

在AI繪畫領域，InstantX推出的Regional-Prompting-FLUX技術實現了前所未有的高精準度，讓創作者們能夠精細控制圖片內容，開拓了全新的創作可能。該技術突破性在於強大的區域控制能力，兼容性強，操作簡單直觀，具有極強的擴展性。FLUX爲AI繪畫帶來了更自由、更靈活、更高效的創作平臺。

【AiBase提要:】

⚙️ FLUX技術實現了高精準度，讓創作者精細控制圖片內容，開拓創作可能。

🎨 FLUX具有強大的區域控制能力，可實現不同風格區域的完美融合。

💡 FLUX在處理速度、兼容性和操作簡便性方面表現優異，爲圖像生成帶來新的可能性。

詳情鏈接:https://github.com/instantX-research/Regional-Prompting-FLUX

2、超快速文本轉語音模型Lightning：超低延遲， 100毫秒生成10秒音頻

最新推出的AI文本轉語音模型Lightning在100毫秒內生成10秒音頻，大幅降低語音機器人開發成本，提高可及性。支持多種語言口音，定價極具成本效益。

【AiBase提要:】

🚀 速度與效率。Lightning模型在100毫秒內生成10秒音頻，實現實時語音合成，滿足快速響應需求。

💰 低成本高效率。每分鐘僅需0.02美元，顯著降低語音機器人開發者的運營費用。

📱 多功能應用。除語音機器人外，還可用於有聲書和社交媒體配音，方便開發者和非開發者使用。

詳情鏈接:https://smallest.ai/blog/lightning-fast-text-to-speech

3、黑神話悟空也能用AI生成了？GameGen-X 顛覆遊戲開發，傳統遊戲瑟瑟發抖！

GameGen-X 模型由香港科技大學、中國科學技術大學等機構研究人員發佈，是專爲生成和互動控制開放世界遊戲視頻而設計的擴散變換器模型。該模型能自動生成開放世界遊戲視頻，模擬遊戲引擎功能，實現角色互動和場景內容控制，爲遊戲開發帶來新可能性。雖然仍處於初級階段，但展示了生成模型作爲傳統渲染技術輔助工具的潛力。

【AiBase提要:】

⚙️ GameGen-X 模型可生成開放世界遊戲視頻，模擬遊戲引擎功能，實現角色互動和場景內容控制。

💡 GameGen-X 訓練使用大型開放世界遊戲視頻數據集 OGameData，通過兩階段訓練實現高質量遊戲內容生成和互動可控性。

🎮 GameGen-X 表現出色，提供優秀的環境和角色控制能力，爲未來遊戲開發帶來新可能性。

詳情鏈接:https://gamegen-x.github.io/

4、AI新框架HelloMeme：超逼真實現不同圖片之間的表情遷移

HelloMeme框架通過獨特的網絡結構和Animatediff模塊，實現了視頻生成的流暢性與畫質的雙重提升。框架支持ARKit Face Blendshapes，使用戶能夠靈活控制角色面部表情，豐富視頻內容的表現。採用熱插拔適配器設計，確保與SD1.5基礎上的其他模型兼容，爲創作提供更大的靈活性。

【AiBase提要:】

🌐 HelloMeme通過獨特的網絡結構和Animatediff模塊，實現了視頻生成的流暢性與畫質的雙重提升。

🎭 框架支持ARKit Face Blendshapes，使用戶能夠靈活控制角色面部表情，豐富視頻內容的表現。

⚙️ 採用熱插拔適配器設計，確保與SD1.5基礎上的其他模型兼容，爲創作提供更大的靈活性。

詳情鏈接:https://songkey.github.io/hellomeme/

5、OuteTTS-0.1-350M: 一種新穎的文本轉語音合成方法

Oute AI 最近發佈了一種名爲 OuteTTS-0.1-350M 的文本轉語音合成方法，採用純語言建模，簡化了 TTS 方法，具有零樣本語音克隆功能，適用於廣泛的應用領域。該方法基於 LLaMa 架構，使用 WavTokenizer 生成音頻標記，性能可與更大、更復雜的 TTS 系統相媲美，具有高效率和可訪問性。

【AiBase提要:】

⚙️ OuteTTS-0.1-350M 利用純語言建模，無需外部適配器，提供簡化的 TTS 方法。

🔊 OuteTTS-0.1-350M 使用 WavTokenizer 直接生成音頻標記，流程更高效。

💡 OuteTTS-0.1-350M 具有零樣本語音克隆功能，與 llama.cpp 兼容，適用於實時應用。

詳情鏈接:https://www.outeai.com/blog/OuteTTS-0.1-350M

6、CMU、Meta聯手放大招！ VQAScore一個問題搞定文生圖模型評測，準確性遠超傳統方法！

生成式AI發展迅猛，但全面評估其性能一直是難題。近期，卡耐基梅隆大學和Meta合作推出VQAScore評測方案，利用視覺問答模型評分，準確性超越傳統方法。新評測基準GenAI-Bench推動文生圖模型發展，提供更全面、具有挑戰性的評測。VQAScore存在侷限性，但隨着VQA模型進步，性能將提升。

【AiBase提要:】

🔍 VQAScore評測方案利用視覺問答模型給文生圖模型打分，準確性超越傳統方法。

🚀 GenAI-Bench評測基準推動文生圖模型發展，提供更全面、具有挑戰性的評測。

💡 VQAScore存在侷限性，但隨着VQA模型進步，性能將進一步提升。

詳情鏈接:https://linzhiqiu.github.io/papers/vqascore/

7、中國團隊推世界最大多模態數據集“Infinity-MM”和頂尖微型AI模型“Aquila-VL-2B”

近日，中國研究團隊成功創建了“Infinity-MM”數據集，同時訓練出了性能卓越的小型新模型“Aquila-VL-2B”。這一舉措標誌着開放源代碼模型在AI研究中逐漸趕超傳統閉源系統的趨勢，尤其在合成訓練數據的利用方面展現出良好前景。

【AiBase提要:】

🌐 數據集“Infinity-MM”包含1000萬條圖像描述和2440萬條視覺指令數據。

💡 新模型Aquila-VL-2B在多個基準測試中表現優異，打破了同類模型的記錄。

📈 合成數據的使用顯著提升了模型性能，研究團隊決定向社區開放數據集和模型。

詳情鏈接:https://arxiv.org/abs/2410.18558

8、AI浪潮下受益者！英偉達超越蘋果，成爲全球市值最高公司

在近期的股市交易中，英偉達憑藉其在人工智能領域的強勁表現，超越了蘋果公司，成爲全球市值最高的公司。這一變化標誌着英偉達自2022年底以來實現了驚人的850%的增長，顯示出強勁的市場表現。英偉達在人工智能熱潮中的重要地位得到再次驗證。

【AiBase提要:】

🌟 英偉達市值達3.43萬億美元，超越蘋果成爲全球市值最高公司。

📈 自2022年底以來，英偉達股價增長850%，顯示出強勁的市場表現。

🤖 蘋果也在人工智能領域發力，但英偉達仍是頂尖大型語言模型的關鍵支持者。

9、微軟推出 Magnetic-One 系統：多智能體協同完成日常任務

微軟最新發佈的 Magnetic-One 系統是一款多智能體框架，旨在提升個人和企業的工作效率。該系統允許一個 AI 模型驅動多個助手智能體，協同完成複雜的多步驟任務。微軟使用了 OpenAI 的 GPT-4o 進行開發，但系統與大型語言模型無關，推薦使用強大的推理模型作爲指揮者智能體。

【AiBase提要:】

🌟 Magnetic-One 系統: 微軟推出的多智能體框架，旨在提升生產力並自動化日常任務。

🤖 多種智能體角色: 包括指揮者、網頁瀏覽、文件瀏覽、代碼編寫等多種智能體協同工作。

📈 開源共享: Magnetic-One 爲開發者提供開源框架，促進智能體的靈活應用與評估。

詳情鏈接:https://www.microsoft.com/en-us/research/articles/magentic-one-a-generalist-multi-agent-system-for-solving-complex-tasks/