Google正在将其由人工智能驱动的照片转视频功能扩展到更多应用程序中。这项技术能够利用生成式 AI 算法,将静态照片转换为动态视频内容。
该功能最初在Google的特定应用中推出,现在公司计划将这一创新技术集成到更广泛的应用生态系统中。通过先进的机器学习模型,用户可以轻松地将普通照片转换为具有动画效果的视频,为内容创作提供了全新的可能性。
Google的这一举措表明,生成式 AI 技术正在从实验阶段向实际应用转变,为用户提供更加丰富和互动的多媒体体验。随着这项功能在更多应用中的部署,预计将为数字内容创作领域带来新的变革。
这种照片到视频的转换技术代表了计算机视觉和生成式模型的重要进展,展示了AI在创意内容生成方面的巨大潜力。
好文章,需要你的鼓励
CoreWeave发布AI对象存储服务,采用本地对象传输加速器(LOTA)技术,可在全球范围内高速传输对象数据,无出口费用或请求交易分层费用。该技术通过智能代理在每个GPU节点上加速数据传输,提供高达每GPU 7 GBps的吞吐量,可扩展至数十万个GPU。服务采用三层自动定价模式,为客户的AI工作负载降低超过75%的存储成本。
莫斯科高等经济学院研究员尼古拉·斯克里普科开发了IFEval-FC基准测试,专门评估大语言模型在函数调用中遵循格式指令的能力。研究发现,即使是GPT-5和Claude Opus 4.1等最先进模型,在处理看似简单的格式要求时准确率也不超过80%,揭示了AI在实际应用中的重要局限性。
谷歌DeepMind与核聚变初创公司CFS合作,运用先进AI模型帮助管理和改进即将发布的Sparc反应堆。DeepMind开发了名为Torax的专用软件来模拟等离子体,结合强化学习等AI技术寻找最佳核聚变控制方式。核聚变被视为清洁能源的圣杯,可提供几乎无限的零碳排放能源。谷歌已投资CFS并承诺购买其200兆瓦电力。
上海人工智能实验室联合多家机构推出MinerU2.5文档解析模型,仅用12亿参数就在文本、公式、表格识别等任务上全面超越GPT-4o等大型模型。该模型采用创新的两阶段解析策略,先进行全局布局分析再做局部精细识别,计算效率提升一个数量级。通过重新定义任务标准和构建高质量数据引擎,MinerU2.5能准确处理旋转表格、复杂公式、多语言文档等挑战性内容,为文档数字化提供了高效解决方案。