%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
語音識別技術一直是人工智能發展的重點領域之一。而如今，字節跳動推出的Seed-ASR引擎，正在徹底打破語言和方言的壁壘，爲這項技術注入全新活力。
Seed-ASR經過了超過2000萬小時的語音數據和近90萬小時的配對數據訓練，展現出了卓越的識別能力。不僅能精準識別普通話，還能準確轉錄13種中國方言以及7種外語，包括各種口音的英語。這無疑爲跨語言交流帶來了全新可能。
Seed-ASR的關鍵優勢在於它出色的上下文感知能力。它能結合歷史對話記錄、會議紀要等信息，更準確地識別人名、地名和關鍵詞。這使它在特定場景下的表現尤爲出色，大大提升了識別精度。
無論是簡單的日常對話，還是複雜的會議交流，Seed-ASR都能遊刃有餘。即便遇到多人交談或存在背景噪音的情況，它也能準確轉錄內容。在處理視頻和直播語音時，也能適應各種音頻質量和環境。
Seed-ASR還能識別各種專業領域的術語，包括醫療、科技、汽車甚至音樂等。這使它在智能助手和語音搜索場景中大放異彩，大幅提升用戶體驗。
項目地址：https://bytedancespeech.github.io/seedasr_tech_report/
Hotshot 推出了一款全新的文本轉視頻 AI 生成器，能生成長達 10 秒、720p 分辨率的視頻，支持多種動畫風格，如漫畫書風格和轉描風格。此模型具有無水印輸出、多樣化視頻風格、高適應性和擴展性等特點，基於 600 百萬視頻片段訓練，具備擴展至更長視頻時長和更高分辨率的潛力。用戶可在官方網站免費體驗，每天生成次數有限。Hotshot 團隊在四個月內完成模型訓練，使用了大量 GPU，展現強大技術實力。未來，Hotshot 或將支持音頻生成。此 AI 模型預示着 AI 生成內容在未來一年內可能成爲數字媒體的主流，特別是對 YouTube 視頻製作的改變。
美國聯邦貿易委員會（FTC）宣佈全面禁止虛假的人工智能（AI）生成評論和推薦，以打擊在線評論中的不誠實行爲，包括購買好評、僱用虛假關注者及虛構角色評論。這些假評論誤導消費者，破壞市場公平競爭。新規強調AI生成虛假評論的危害，影響消費者決策。FTC主席莉娜·漢表示，虛假評論污染市場，分散對誠實競爭者的關注。這項規定旨在保護消費者，讓他們依賴真實用戶反饋，而非假評論。調查揭露知名媒體發佈由虛構AI作者撰寫的產品評測，涉及虛假內容。負責假評論的公司AdVon Commerce及其關聯公司Seller Rocket允許支付費用獲取推廣，這種“付推廣”關係被新規禁止。FTC有權對違反規定的公司追究民事責任，旨在清理電子商務環境，保護消費者權益。總統拜登對此表示支持，強調消費者應信賴真實評價尋找優質服務。
國際期刊出版集團康泰納仕與OpenAI宣佈達成多年合作協議，旨在探索將康泰納仕旗下品牌如《Vogue》、《GQ》、《Wired》和《紐約客》等內容整合至OpenAI的人工智能產品中。此協議未公開財務條款，標誌着雙方在數字內容和人工智能領域的緊密合作。OpenAI利用這些出版商的豐富文本檔案訓練其語言模型，如ChatGPT，增強其搜索引擎SearchGPT的功能，使其能引用康泰納仕文章。康泰納仕首席執行官羅傑·林奇強調，合作旨在利用人工智能改變信息獲取方式的同時，保持信息的準確性和知識產權的尊重。然而，《紐約時報》等部分媒體公司選擇通過法律途徑保護自身權益，對OpenAI提起訴訟。
谷歌推出Gemini API的Gemini1.5Flash免費套餐，提供每天15億個免費Token，包括每分鐘15次請求、每分鐘100萬個Token，及每小時100萬個Token的上下文緩存服務，以及微調功能全免費。此舉旨在降低開發者使用AI技術的門檻，支持創新應用的孕育。對於中小型開發團隊，這將大幅降低成本，帶來研發便利。預計此舉將吸引更多開發者加入，推動AI應用市場發展。
Nvidia研究團隊利用模型剪枝和蒸餾技術，成功推出Llama-3.1-Minitron4B，這是Llama3模型的壓縮版本，旨在實現設備上的人工智能。該模型通過深度剪枝和寬度剪枝技術，減少了原始8B模型的參數量，同時保持了與更大模型相近的性能。在訓練數據量大幅減少（40倍）的情況下，該模型在MMLU基準測試中的性能提升了16%。該成果通過NVIDIA的NeMo-Aligner進行微調，適用於指令跟隨、角色扮演、檢索增強生成（RAG）和函數調用等任務。寬度剪枝版本已發佈於Hugging Face平臺，支持商業使用，爲用戶和開發者提供高效、性能卓越的模型選擇。
LivePortrait的Gradio工具更新，新增動畫區域精細控制、表情與頭部姿勢等自定義功能，以及保護隱私的相對運動選項。支持中性脣部表達，自動保存並顯示適合輸出格式，提升使用便捷性。其核心優勢在於表情轉移技術，能將表情和動態精確複製到不同人物或寵物上，適應多種創作需求，包括靜態圖像和視頻的表情控制，爲用戶提供前所未有的創作自由度。