推理模型在AI领域并不少见。许多公司都拥有此类技术,包括OpenAI的GPT-o3和谷歌的Gemini 2.5。但AI图像和视频公司Luma AI刚刚发布了其首款AI推理视频模型Ray3,现已上线可用。
推理模型是一种使用更多计算时间来处理请求并能回过头检查答案的AI模型。通常情况下,推理模型能提供更好的响应,无论是更详细的内容还是更低的错误率。
对于Ray3而言,这种推理能力意味着你可以创建包含更复杂动作序列的AI视频片段。通常,AI视频片段的时长在5到10秒之间。(这是最佳时长——更长的片段往往会很快变得不稳定。)因此在提示词中加入动作序列会留下很大的出错空间。Ray3花费更多时间处理提示词的能力使其能够更好地处理那些更高级的场景。
Luma AI首席执行官Amit Jain表示,推理模型的作用不仅仅是将文本转换为像素。
"它能够评估并说,'哦,这样不好,或者我需要在这方面做得更好,'"他在接受CNET采访时说道。
与聊天机器人的推理模型一样,你可以看到模型工作时采取的步骤。一个新的可视化标注工具会显示模型正在做什么——比如标记需要调整的角色和其他需要保持不变的区域。你也可以使用此功能来标记帧并突出显示你希望在后续提示中进行的更改。
其他升级功能有助于制作更好的视频片段,包括能够以16位HDR生成,这是一种更高分辨率,能为视频片段提供更精细的细节和清晰度。你还可以利用新的草稿模式,让你快速测试想法并以较低分辨率格式生成镜头。Jain解释说,你可以在草稿模式下在20秒内生成片段,然后在准备好时将其升级到高保真分辨率,这大约需要2到5分钟生成时间。
视频创作正成为生成式AI越来越常见的应用。过去一年中,许多大型科技公司都发布了AI视频模型,从Midjourney到谷歌的Veo 3。所有这些模型都旨在增强创作能力,最近的改进包括生成更高质量、包含音频(对于Veo 3)并普遍提升水平以吸引专业创作者和AI爱好者。不过,专业人士对AI生成媒体表达了许多担忧,特别是关于AI模型的训练和部署。艺术家们已经对AI公司提起了多起集体诉讼。Luma AI的隐私政策表示,它可以使用你提供的信息来改进其服务。
Q&A
Q1:Ray3推理视频模型有什么特别之处?
A:Ray3是Luma AI首款AI推理视频模型,它能够使用更多计算时间处理请求并检查答案,这使得它能够创建包含更复杂动作序列的AI视频片段,比传统AI视频模型处理高级场景的能力更强。
Q2:Ray3的可视化标注工具是如何工作的?
A:可视化标注工具会显示模型工作时采取的步骤,比如标记需要调整的角色和其他需要保持不变的区域。用户也可以使用此功能来标记帧并突出显示希望在后续提示中进行的更改。
Q3:Ray3的草稿模式有什么好处?
A:草稿模式让用户快速测试想法并以较低分辨率格式生成镜头,可以在20秒内生成片段,然后在准备好时将其升级到高保真分辨率,整个高质量生成过程大约需要2到5分钟。
好文章,需要你的鼓励
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
加拿大女王大学研究团队首次对开源AI生态系统进行端到端许可证合规审计,发现35.5%的AI模型在集成到应用时存在许可证违规。他们开发的LicenseRec系统能自动检测冲突并修复86.4%的违规问题,揭示了AI供应链中系统性的"许可证漂移"现象及其法律风险。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
这项由剑桥大学、清华大学和伊利诺伊大学合作的研究首次将扩散大语言模型引入语音识别领域,开发出Whisper-LLaDA系统。该系统具备双向理解能力,能够同时考虑语音的前后文信息,在LibriSpeech数据集上实现了12.3%的错误率相对改进,同时在大多数配置下提供了更快的推理速度,为语音识别技术开辟了新的发展方向。