谷歌周四表示,正在通过其Gemini应用为Veo 3 AI视频生成器增加图像转视频生成功能。
该公司此前已在其AI驱动的视频工具Flow中推出了这项功能,Flow于5月在谷歌I/O开发者大会上首次发布。
在5月推出基于Veo 3的视频生成功能后,截至上周,谷歌已在150多个国家提供该功能。目前,只有Google AI Ultra和Google AI Pro计划用户可以生成视频,每天限制三次创作且不可累积。
谷歌表示,用户可以通过在提示框的工具菜单中选择"视频"选项并上传照片来生成视频片段。用户还可以通过在提示中描述音频来添加声音。视频生成后,可以下载或与他人分享。
该公司指出,自7周前发布以来,用户已通过Gemini应用和Flow工具创建了超过4000万个视频。所有使用Veo 3模型生成的视频都会带有显示"Veo"的可见水印,以及不可见的SynthID数字水印,这是谷歌AI工具用来识别AI生成数字内容的技术。
今年早些时候,该公司还发布了一个帮助检测包含SynthID内容的工具。
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。