AI资讯

最近302.AI上线了一款新的AI工具——AI头像制作，这一工具能够根据用户提供的人物照片，生成人物一致的多种风格的头像。这些风格包括但不限于复古风、未来感、卡通化、艺术抽象等，还可以自定义风格。今天就给大家分享一下这个工具开发背后的故事，希望可以对相关方向的开发者有一些启发和帮助。 试用一下： 先来看下如何获取并使用这一工具，以下是具体的步骤： 1、进入3…

11月6日，BlackForestLabs宣布推出FLUX1.1 pro的Ultra模式，添加了新的高分辨率功能，还增加了一个RAW参数，这一参数提升了生成图片的拟真度，让生成的图片摆脱了“AI味”，为用户带来了新的视觉体验。 据官网介绍，FLUX 1.1 Pro Ultra支持高达4兆像素（4MP）的图像生成，这是标准模式的四倍。这一提升使得生成的图像更加…

11月6日，备受瞩目的2024年美国总统选举结果终于揭晓，马斯克公开支持的美国共和党总统候选人特朗普获得最终胜利。 作为特朗普的“榜一大哥”马斯克，是人工智能初创公司xAI的始人之一和主要投资者。在11月4日，xAI刚刚官宣Grok API正式开启公测。 根据xAI公司官方发布的文档，可以看到xAI的API目前只有一个模型——“grok-beta”。 从官方…

11月5日，Anthropic在社交媒体平台宣布Claude 3.5 Haiku可以通过API访问。Claude 3.5 Haiku是Anthropic公司在10月22日发布的新模型，在许多评估中的性能与 Claude 3 Opus不相上下，而成本和速度却与上一代Haiku相当。 根据官方介绍，Claude 3.5 Haiku 在各种编码、工具使用和推理任务…

10月22日，Stability AI推出最新图像生成模型Stable Diffusion 3.5，其中包括Stable Diffusion 3.5 Large、Stable Diffusion 3.5 Large Turbo两个版本，并宣布预计在10月29日上线Medium版本。 10月29日，Stable Diffusion 3.5 Medium如期推出…

11月2日，Anthropic在社交媒体平台宣布，在其Claude 3.5 Sonnet 模型中增加了PDF理功能，这一功能不仅能读懂PDF中的文字，还能看懂图表、图片等视觉元素。 目前这一新功能已进入公开测试阶段，用户可以利用该模型来分析PDF文档中的文本和视觉元素（如图像、图表和表格），适用于财务报告、数据分析、法律文件和文档翻译等多种场景。 而这一PD…

近日，一个名为red_panda的模型在Hugging Face的文本生成图像模型排行榜中位居榜首， 这引起了许多网友对这一神秘“小熊猫”背后公司身份的种种讨论。 有网友猜测小熊猫会不会是Midjourney的新产物，也有网友猜测可能是来自OpenAI： 甚至有网友猜测，因为熊猫生活在亚洲，而中国公司在视频生成方面表现卓越，所以猜测它来自像百度或腾讯这样的中…

在10月初，OpenAI在旧金山召开了开发者大会。在发布会中，OpenAI推出了Realtime API 的公开测试版。 Realtime API是一种实时多模态API，它允许开发人员构建低延迟、多模态的AI应用体验。这个API背后的技术是GPT-4o模型，它支持音频输入和输出，能够实现超越传统基于文本的AI对话的实时、自然的语音交互。 像Realtime这…

最近，随着NotebookLM的爆火，AI播客生成领域迎来了前所未有的热闹。 AI播客生成的兴起并不是偶然的，在信息爆炸的时代，用户往往会被海量的内容所淹没，很难去有效筛选和吸收有价值的内容，从而导致时间和精力的浪费。 而AI播客的出现改变了这一现状，比如曾经需要用3小时的时间才能通读一篇长论文才能提炼有效的关键信息，现在只需要3分钟，获取信息的过程也不再受…

10月22日，Genmo在社交媒体平台发布消息，推出最新的开源视频生成模型 Mochi V1。Mochi V1采用创新的 Asymmetric Diffusion Transformer（AsymmDiT）架构，拥有高达100亿个参数，是迄今为止公开发布的最大视频生成模型。 根据Genmo官方介绍，Mochi V1模型在提示词遵循和动作质量方面表现十分出色：…