AI信息差

项目简介 Dolphin 是由 Dataocean AI 和清华大学合作开发的多语言、多任务语音识别模型。它支持东亚、南亚、东南亚和中东的 40 种东方语言，同时支持 22 种汉语方言。该模型在超过 210,000 小时的数据上进行训练，包括 DataoceanAI 的专有数据集和开源数据集。该模型可以执行语音识别、语音活动检测（VAD）、分割和语言识别（L...

ChatGPT4o最火的功能，居然是吉卜力风格。 不过，该功能很快因为版权问题下线了。 对于开源AI绘画圈来说，吉卜力风格几乎是两年前玩剩下的。 这说明了门槛的重要性。 ChatGPT 4o这种几乎零门槛（当然了，国内还是需要梯子的）的工具，要远比有一定门槛的comfyUI更容易普及。 其实也给comfyUI提了个醒，是否可以做一个零门槛的封装包？同步常用...

在人工智能技术加速渗透各行各业的今天，AIGC开放社区正式推出系列直播课程《1小时AI公开课》，聚焦大模型、Agent、Prompt工程等前沿技术，旨在为企业管理者、技术团队及个人开发者提供系统化的AI转型指引。 首期课程将于4月11日晚8点开讲，聚焦“传统企业如何与AI结合”的核心议题。本次课程由AIGC开放社区专业讲师、AI与开源技术专家李扬担任主讲，通...

新智元报道 编辑：桃子 好困 【新智元导读】AI若能自主复现顶尖科研论文，未来科研将被掀翻天。OpenAI最新框架PaperBench正为此生，让AI智能体从头开始复现ICML 2024 20篇优秀论文，只有Claude 3.5 Sonnet拔得头筹，但仍无法超越ML博士水平。 AI智能体，能否复现顶会中重磅的AI研究？ 今天，OpenAI团队发布...

梦晨 发自 凹非寺 量子位 | 公众号 QbitAI OpenAI承认Claude是最好的了（狗头）。 刚刚开源的新基准测试PaperBench，6款前沿大模型驱动智能体PK复现AI顶会论文，新版Claude-3.5-Sonnet显著超越o1/r1排名第一。 与去年10月OpenAI考验Agent机器学习代码工程能力MLE-Bnch相比，PaperBenc...

近年来，自动语音识别（ASR）技术已经进入了一个“百模大战”的时代，尤其是 Whisper 让许多人看到了高质量通用语音识别的可能性。 然而，Whisper 等主流模型在支持多语言的同时，也面临着一个痛点：它们的优化往往偏向英语或西方语言，对于东方语言，特别是复杂的汉语方言和少数民族语言，识别效果并不尽如人意。 最近，清华大学和海天瑞声联手开源的 Dolph...

今天凌晨1点，OpenAI开源了一个全新的AI Agent评测基准——PaperBench。 这个基准主要考核智能体的搜索、整合、执行等能力，需要对2024年国际机器学习大会上顶尖论文的复现，包括对论文内容的理解、代码编写以及实验执行等方面的能力。 根据OpenAI公布的测试数据显示，目前知名大模型打造的智能体，还无法战胜顶级机器学习专业博士。但在辅助学习、...

北京理工大学、上海人工智能实验室、清华大学和香港中文大学4大名校联合发布了Mini DALL·E 3，无需额外训练的情况下，可帮助多数主流大模型添加文成图多模态输出能力。 此外，Mini DALL·E 3可以支持图像生成、编辑、选择等多种深度交互方式,允许用户在对话中不断优化图像结果。同时对语言模型的固有能力影响很小,仍可保持问答、代码生成等能力。 Min...

金磊 发自 凹非寺 量子位 | 公众号 QbitAI 估值223亿元人形机器人明星创企，突传暴雷？？？ 风暴中心，是总部位于上海的达闼机器人。 从多方消息来看，核心信息如下： 位于上海闵行区的达闼智能机器人产业基地，已经人去楼空；物业称其年前就已经退楼，目前还欠着物业费、管理费、水电费。 位于广州黄埔区的达闼机器人分公司大门紧闭，据称已经关门有段时间，水电...

文章转载自「Z Potentials」。 如果你愿意花些时间调研语音 AI 行业，大概率会碰到 Olivia Moore。她主笔了两次 a16z 关于语音 AI 行业的分析报告，投资的语音项目如 ElevenLabs、Sesame 等都是行业明星。 这次播客访谈中，她和 a16z 另外一位合伙人 Anish Acharya 分享了他们对语音 AI 市场的最...