AI公司Midjourney发布了其首款视频模型。这一AI视频生成的初步尝试将允许用户为图像制作动画效果,无论是在Midjourney中创建的图像还是从其他来源上传的图像。初始生成结果为5秒钟的视频片段,用户可以选择延长4秒,最多可延长4次。目前视频生成功能仅在网页端可用,需要至少每月10美元的订阅才能使用。
Midjourney是AI生成静态图像领域的早期知名公司之一,尽管其他平台已在人工智能发展讨论中占据前沿地位。谷歌最新的I/O大会推出了多款AI视频生成工具,如文本转视频的Veo 3模型和为电影制作者设计的Flow工具。OpenAI去年发布的Sora也是文本转视频选项,而Adobe最新推出的Firefly视频模型可以根据文本或图像提示创建视频。
虽然在视频领域起步稍晚,但这并未阻止创意工作者对其提出指控,声称其模型训练存在违法行为。事实上,这一视频功能发布紧随一起针对该公司的诉讼。迪士尼和NBC环球上周以版权侵权为由起诉了Midjourney。与任何AI工具一样,滥用的可能性始终存在。不过Midjourney已礼貌地要求人们"请负责任地使用这些技术",相信不会出现问题。
好文章,需要你的鼓励
四川大学研究团队发现,当前先进的AI模型在面对信息不完整的数学问题时,缺乏主动询问澄清信息的能力,更倾向于基于假设给出答案。
中南大学等机构联合发布TextAtlas5M数据集,包含500万图像-文本对,专门解决AI长文本图像生成难题。该数据集平均文本长度148.82词,远超现有数据集,涵盖广告、学术、教育等真实场景。配套的TextAtlasEval基准测试显示,即使最先进的商业模型也面临显著挑战,为AI图像生成技术指明了新的发展方向。
从11岁就梦想造人形机器人的Bernt Bornich,用'huggable'形容他的Neo Gamma机器人——这个能举起150磅的66磅'运动员',正以家庭为试验场突破AI学习瓶颈:'工厂20小时就触及学习天花板,而家庭环境的多样性才是通往AGI的钥匙'。
剑桥大学研究团队创建了史上最难的AI视觉测试ZeroBench,包含100道精心设计的视觉推理题目。在这项测试中,包括GPT-4o、Claude、Gemini在内的20个全球最先进AI模型全部得了0分,暴露了当前AI在基础视觉理解上的严重缺陷。研究发现AI主要在计数、空间推理等基础任务上失败,而非逻辑推理能力不足。