AI新闻动态（2023-12-31到2024-01-06）

[ikaijua]

2024-01-04 阿里通义千问推出通义舞王功能，AI让全民热舞

阿里的通义千问APP上线通义舞王功能，用户只需上传一张照片，就能生成与照片匹配的舞蹈视频，内置了多种舞蹈模板，包括最近火热的科目三舞蹈。

媒体报道：

• 机器之心：马斯克也逃不过「科目三」，阿里这个应用都要把外国人馋哭了
• 量子位：兵马俑跳《科目三》，是我万万没想到的

[ikaijua]

2024-01-05 斯坦福大学开源的家务机器人Mobile ALOHA，能烧菜、做家务，并提供了DIY教程

1. Mobile ALOHA是一款由斯坦福大学研究团队开发的机器人厨子和家务机器人。通过模仿学习，仅通过50次任务演示，就能自主完成日常生活中的各种任务。
2. 机器人展示了在家务和烹饪方面的出色技能，包括烹饪多道美食、打扫房间、洗衣服、帮助刮胡子等。
3. 机器人的总成本约为32000美元，控制程序只需要一台3070Ti的笔记本电脑。
4. ALOHA机器人支持真人遥控操作和全自动两种工作模式，可以通过训练和学习来完成各种复杂任务。
5. 研究团队开源了全部的软硬件设计和训练所用的代码和数据，并计划进一步缩小机器人的体积、提高手臂的自由度以及让机器人学会自主探索。

官网地址（含论文、代码、教程）：https://mobile-aloha.github.io/
训练代码：https://github.com/MarkFzp/act-plus-plus
硬件代码：https://github.com/MarkFzp/mobile-aloha
教程：https://docs.google.com/document/d/1_3yhWjodSNNYlpxkRCPIlvIAaQ76Nqk2wsqhnEVM6Dc

Mobile ALOHA做家务视频：https://twitter.com/zipengfu/status/1742973258528612724
Mobile ALOHA翻车视频：https://twitter.com/tonyzzhao/status/1743378437174366715

媒体报道：

• 机器之心：斯坦福开源的机器人厨子，今天又接手了所有家务
• 量子位：斯坦福为懒人献上大礼！机器人洗衣做饭逗猫看呆网友，成本3万美元自己也能DIY
• 量子位：大翻车！斯坦福超火机器人自曝内幕，研究者救场还受伤了，网友：放心了
• 机器之心：翻车，才是斯坦福炒菜机器人学习人类的常态

[ikaijua]

2023-01-05 AI初创公司Perplexity AI在新一轮融资中获得总额7360万美元（约RMB5.28亿）

1. 公司开发了全球首个AI加持的对话式应答引擎，成立一年半，月活用户已达1000万。
2. Perplexity AI在全球最火爆的AI工具中排名第13，受到了知名科学家和业界大佬的关注和祝贺。
3. 公司几乎没有进行传统营销，主要依靠口碑和社交媒体吸引用户。
4. Perplexity AI的搜索引擎由大语言模型驱动，能够自动抓取信息并生成答案，提供完整的来源和引用，并具备生成相关图片的功能。
5. 谷歌高管和YouTube前CEO Susan Wojcicki以及谷歌AI掌门人Jeff Dean进行了个人投资。
6. Perplexity AI的目标是改进搜索，提高信息访问的效率，并为用户提供简洁明了的个性化答案。

推文：https://twitter.com/perplexity_ai/status/1742915781690798290

媒体报道：

• 量子位：AI搜索引擎再吸金5.28亿，英伟达贝佐斯入股，LeCun一众大佬夹道祝贺！网友：干翻谷歌
• 机器之心：你们有什么底气和谷歌叫板？Perplexity AI CEO回应质疑

[ikaijua]

2023-01-03 大型语言模型（LLM）对于curl项目的安全工作所带来的问题和困扰

1. 大型语言模型（LLM）：文章提到了大型语言模型（LLM），它是一种具有强大自然语言处理能力的模型。LLM在许多领域都有广泛的应用，但它也引发了一些安全方面的担忧。
2. curl项目：文章指出，curl是一个广泛使用的开源项目，用于在命令行和脚本中进行网络请求和传输数据。然而，由于LLM的出现，curl项目面临着一些安全问题。
3. 安全问题：LLM的强大语言生成能力可能会导致curl项目中的安全漏洞。由于LLM可以生成具有误导性或有害意图的代码、指令或响应，这可能会对curl的使用者造成潜在的风险和威胁。
4. 鉴别和防范措施：文章提到了一些鉴别和防范措施，以帮助curl项目避免由LLM引起的安全问题。这包括对输入和输出进行严格的验证和过滤，以防止恶意代码的注入和执行。
5. 社区的观点：文章还引用了一些开发者和社区成员的观点。有些人认为，LLM的出现增加了软件开发和维护的复杂性，需要更加谨慎地处理输入和输出。然而，也有人对LLM的应用前景持乐观态度，并认为通过适当的安全措施可以充分利用其优势。

媒体报道：

• oschina: 大模型 LLM 对 curl 项目的安全工作造成了困扰

[ikaijua]

2024-01-05 美图AI视觉大模型MiracleVision（奇想智能）正式上线

1月5日，美图公司自研AI视觉大模型MiracleVision(奇想智能)正式上线。

用户可通过MiracleVision(奇想智能)的官网进行体验，同时MiracleVision(奇想智能)的能力已应用于美图旗下产品，用户可前往美图秀秀体验文生图、图生图等功能，前往WHEE体验文生图、图生图、模型训练、局部修改、画面扩展等功能。

此外，美图公司正式向行业客户、合作伙伴全面开放MiracleVision(奇想智能)的模型能力，持续通过API、SDK、SaaS、模型训练等形式，助力多场景工作流，帮助企业降本增效。

MiracleVision(奇想智能)的官网：https://www.miraclevision.com/

• 美图公司： 美图AI视觉大模型MiracleVision（奇想智能）正式上线

[ikaijua]

2024-01-05 科研期刊《Science》宣布引入 Proofig AI 检测图像欺诈，避免学术造假

1 月 5 日消息，研究期刊《Science》今宣布，正引入一项名为 Proofig 的商业 AI 软件，该软件号称能够自动检测论文中的“欺诈性图像”，以避免学术造假。

《Science》期刊团队宣称已经利用 Proofig 软件进行了数月测试，这款 AI 软件据称能够准确识别经过裁剪、旋转、更改对比度的图像，并从中圈出可能存在“欺诈性”的图像，以便于人类编辑进一步检查。

此外，《Science》期刊团队还提到他们未来将推出一个名为“Policy Pak”的新闻周报集合，其中将收录各种“高时效性”的研究信息。

• science文章： https://www.science.org/doi/10.1126/science.adn7530

媒体报道：

• IT之家：科研期刊《Science》宣布引入 Proofig AI 检测图像欺诈，避免学术造假

[ikaijua]

2024-01-05 引入 AI 取代外包翻译工，语言学习平台多邻国已裁员数千人

语言学习平台多邻国（Duolingo）此前在全球各地雇佣了大量的外包翻译工，为自家软件翻译学习内容及用户界面。

不过当前多邻国正逐步引入 AI 取代外包翻译工，Reddit 平台有用户发文声称该公司已裁去数千名员工，剩下的合同工日常内容也仅为审阅 AI 生成的内容，从而保证翻译质量。

多邻国的 CEO 相当看好 AI，认为“AI 是伙伴而非敌人”，此前多邻国还推出了 Duolingo Max 订阅服务，该服务整合了 OpenAI 的 GPT-4 大语言模型，用户可以与 Duo（多邻国的吉祥物）等人物角色进行“对话式”聊天。

媒体报道：

• IT之家：引入 AI 取代外包翻译工，消息称语言学习平台多邻国已裁员数千人

[ikaijua]

2024-01-06 MyShell 开源OpenVoice，只需一句话就能模仿你的声音

OpenVoice 是一种实用性极强的即时仿声技术，只需要使用来自目标发言人的短音频，就可以模仿他们的声音，并以此生成各种语言的语音。

OpenVoice 不仅能够模仿参考发言人的音质，还可以精细控制包括情感、口音、语调、停顿和节奏在内的各种语音风格。除此之外，对于那些未在大规模发言人训练集中包含的语言，OpenVoice也可以实现“零样本”（Zero-shot）的跨语言模仿。

实测：目前对中文的支持不好，有电流音，情感的表现也不是很自然，要比elevenlabs的效果差。

• 论文：https://arxiv.org/pdf/2312.01479.pdf
• 项目：https://github.com/myshell-ai/OpenVoice

第三方

• 视频介绍和教程：OpenVoice测试：一句话实现声音克隆 | MyShell开源TTS

[ikaijua]

2024-01-06 阿里开源DreamTalk项目，能根据音频让人物照片说话、唱歌，同时保持嘴型和表情与音频一致

1. DreamTalk能够生成高质量的动画，使人物脸部动作看起来非常真实。除了逼真的嘴唇动作，它还能展现丰富的表情，使动画更加生动。
2. DreamTalk支持多种语言，无论是中文、英文还是其他语言，都能很好地同步。
3. DreamTalk还具有说话风格预测的功能，能够根据语音预测说话者的风格，并同步表情，使得动画更加贴近原始音频。
4. 该框架适用于多种场景，可以用于歌曲、不同类型的肖像，甚至在嘈杂环境中也能表现良好。

ssstwitter.com_1704274754586.mp4

• Github地址：https://github.com/ali-vilab/dreamtalk
• 项目地址：https://dreamtalk-project.github.io/
• 论文地址：https://arxiv.org/abs/2312.09767

[ikaijua]

2023-01-04 Meta AI发布音频生成3D人物技术audio2photoreal，可以生成全身逼真的虚拟人物形象

1. 它可以从多人对话中语音中生成与对话相对应的逼真面部表情、完整身体和手势动作。
2. 这些生成的虚拟人物不仅在视觉上很逼真，而且能够准确地反映出对话中的手势和表情细节，如指点、手腕抖动、耸肩、微笑、嘲笑等。

• GitHub：https://github.com/facebookresearch/audio2photoreal/
• 项目及演示：https://people.eecs.berkeley.edu/~evonne_ng/projects/audio2photoreal/
• Demo：https://colab.research.google.com/drive/1lnX3d-3T3LaO3nlN6R8s6pPvVNAk5mdK
• 论文：https://arxiv.org/pdf/2401.01885.pdf