FunAudioLLM
FunAudioLLM 是由阿里巴巴通义团队开发的旨在增强人类与大型语言模型（LLMs）之间的自然语音交互的框架。其核心包括两个创新模型：SenseVoice 和 CosyVoice。SenseVoice 提供高精度的多语言语音识别、情绪识别和音频事件检测，支持超过 50 种语言，并具有极低的延迟。CosyVoice 则专注于自然语音生成，支持多语言、音色和情绪控制，能够进行零样本语音生成、跨语言语音克隆和指令遵循。
Gen-3 Alpha简介
Gen-3 Alpha是Runway公司开发的一款先进的AI视频生成模型。它能够根据用户的输入（如文本描述、图像或视频片段）创建具有复杂场景变化、多种电影风格和详细艺术指导的高精细视频。Gen-3 Alpha模型经过视频和图像联合训练，支持文本转视频、图像转视频和文本转图像工具，以及现有控制模式（如运动画笔、高级相机控制、导演模式）。它背后的训练工作是由研究科学家、工程师和艺术家组成的跨学科团队共同努力完成的，旨在让Gen-3 Alpha理解、解释各种艺术风格和电影术语。
目前，Gen-3 Alpha还未开放给公众试用，但它在Runway的博客中已经展示了数十个精彩的生成视频，这些视频在质量上与Sora级别相当。Runway表示，Gen-3 Alpha是即将推出的一系列模型中的首个，并且在保真度、一致性和运动方面有了重大改进。这一系列模型是在为大规模多模态训练而构建的新基础设施上训练的。
Gen-3 Alpha官方视频视频演示：
主要功能特点
- 文本到视频：用户可以输入文本描述，Gen-3 Alpha将根据这些描述生成相应的视频内容。
- 图像到视频：用户可以上传一张图像，Gen-3 Alpha能够根据图像内容扩展并生成动态视频。
- 视频编辑和增强：提供视频编辑工具，如剪辑、颜色校正和视觉效果，以提高视频质量。
- 多样化的艺术风格：支持多种艺术风格和电影术语，用户可以选择不同的风格来创造独特的视频作品。
- 高级控制功能：包括运动画笔、高级相机控制等，让用户能够精确控制视频中的运动和视角。
数据评估
关于Gen-3 Alpha特别声明
本站新媒派提供的该工具内容都来源于网络，不保证外部链接的准确性和完整性，同时，对于该外部链接的指向，不由新媒派实际控制，在2024年6月19日 下午6:30收录时，该网页上的内容，都属于合规合法，后期网页的内容如出现违规，可以直接联系网站管理员进行删除，新媒派不承担任何责任。
与Gen-3 Alpha相关工具
百川智能
百川智能以帮助大众轻松、普惠地获取世界知识和专业服务为使命，致力于通过语言AI的突破，构建中国最优秀的大模型底座。百川大模型，融合了意图理解、信息检索以及强化学习技术，结合有监督微调与人类意图对齐，在知识问答、文本创作领域表现突出。
DeepSeek
DeepSeek（深度求索） 是一款当前非常火爆的开源大型语言模型，因其性能媲美世界顶尖的闭源模型如 ChatGPT 和 Claude 而备受瞩目。该模型在极低成本的情况下完成训练，为用户提供了高效、精准的语言理解和生成能力。
Tarsier
Tarsier是由字节跳动研发的大规模视频语言模型家族，旨在生成高质量的视频描述，并具备良好的视频理解能力。Tarsier 采用了简单的模型结构，结合了 CLIP-ViT 编码帧和 LLM 模型来建模时间关系。通过精心设计的两阶段训练策略，Tarsier 展现出了强大的视频描述能力和视频理解能力，在多个公共基准测试中取得了最先进的成果。
紫东太初
紫东太初大模型是中国科学院自动化研究所和武汉人工智能研究院推出的新一代大模型。它从三模态走向全模态，支持多轮问答、文本创作、图像生成、3D理解、信号分析等全面问答任务。这个大模型具备更强的认知、理解、创作能力，为用户带来全新的互动体验。
HoloDreamer
HoloDreamer是一款文本驱动的3D场景生成框架，通过用户的文本描述生成沉浸式且视角一致的完整3D场景。它由风格化全景生成和增强型全景重建两个核心模块组成，该框架首先生成高清晰度的全景图作为完整3D场景的整体初始化，然后利用3D高斯散射（3D-GS）技术快速重建3D场景，从而实现视角一致和完全封闭的3D场景生成。HoloDreamer在虚拟现实、游戏和影视行业中有广泛应用，为这些领域提供了新的解决方案。
ClotheDreamer
ClotheDreamer 是一种基于 3D 高斯方法的工具，用于从文本提示生成可穿戴的、可生产的 3D 服装资产。由上海大学、上海交通大学、复旦大学和腾讯优图实验室共同推出。它采用了一种名为 Disentangled Clothe Gaussian Splatting (DCGS) 的新型表示方法，使得服装和人体模型可以分别优化。
SeedEdit
SeedEdit是一种由字节跳动（ByteDance）豆包团队推出的智能图像编辑模型。它通过自然语言指令简化了图像编辑过程，用户只需输入简单的描述语句，就能实现图像的调整、美化、转换等操作。
Seedance AI
Seedance AI是字节跳动开发的一款专攻电影级视频、多镜头故事及智能运镜的 AI 视频生成模型。它可以将文本转变为视频、把图像变成视频，再融合 1080P 高清渲染并流畅地切换画面与呈现主体。
商量拟人大模型
商量拟人大模型是商汤科技推出的一款AI拟人大模型，它支持个性化角色创建与定制、知识库构建、长对话记忆、多人群聊等功能，可实现行业领先的角色对话、人设及剧情推动能力。该模型广泛应用于情感陪伴、影视/动漫/网文IP角色、明星/网红/艺人AI分身、语言角色扮演游戏等拟人对话场景。
悟道大模型
悟道大模型是智源研究院打造的人工智能模型系统，不仅具备强大的语言理解和生成能力，还能进行逻辑推理、代码分析、图像生成等多种任务，支持多种类型的文本内容生成，如小说、歌词、诗歌、对联等。
Google Gemini
Google Gemini是由谷歌推出的一款人工智能多模态大模型，于2023年12月6日发布。这个模型具有强大的功能，能够同时识别文本、图像、音频、视频和代码五种类型的信息。它还能理解并生成主流编程语言的高质量代码，如Python、Java、C++，并且进行了全面的安全性评估。
讯飞星火大模型
讯飞星火大模型是科大讯飞发布的一个基于深度学习的自然语言处理模型，以中文为核心，具备跨领域多任务上的类人理解和生成能力。注册免费领取1500万Tokens，该模型对标ChatGPT，并在多个领域表现出色。
心辰Lingo语音大模型
心辰Lingo语音大模型是由西湖心辰（杭州）科技有限公司开发的端到端语音大模型。该模型具备原生语音理解、多种语音风格表达、语音模态超级压缩、实时打断和控制、深度情感理解等功能，能够以超拟人化的方式进行互动。这个模型不仅能快速响应复杂指令，还能深度理解用户的情感和意图。
Goku
Goku是一个基于流生成的视频生成基础模型，由香港大学和字节跳动研究团队共同开发。Goku 模型主要用于生成高质量的视频内容，尤其在广告和营销场景中表现尤为出色。
CodeGemma
CodeGemma是一个由Google基于Gemma模型开发的开源代码模型系列。它专为代码生成和理解而设计，提供了强大的代码自动补全和生成功能。CodeGemma支持多种编程语言，适用于软件开发、编程教育和跨语言开发项目。它的主要功能包括智能代码补全、代码生成、代码理解、多语言支持、代码优化建议以及错误检测与修正，旨在提高开发者的编码效率和软件质量。
暂无评论...
