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
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。