是一个结合了视觉基础模型的系统，使用户能够超越语言格式与 ChatGPT 交互，解决复杂的视觉任务。

是一个结合了视觉基础模型的系统，使用户能够超越语言格式与 ChatGPT 交互，解决复杂的视觉任务。 ChatGPT 正在吸引跨领域的兴趣，因为它提供了一种语言界面，具有跨多个领域的卓越对话能力和推理能力。 然而，由于 ChatGPT 是用语言训练的，它目前无法处理或生成来自视觉世界的图像。同时，Visual Foundation Models，如 Visual Transformers 或 Stable Diffusion，虽然表现出强大的视觉理解和生成能力，但它们只是特定任务的专家，具有一轮固定的输入和输出。 为此，我们构建了一个名为 \textbf{Visual ChatGPT} 的系统，其中包含不同的视觉基础模型，使用户能够通过以下方式与 ChatGPT 进行交互： 1）不仅发送和接收语言，还发送和接收图像 2）提供复杂的视觉问题或视觉编辑指令，需要多个 AI 模型进行多步骤协作。 3) 提供反馈并要求更正结果。

：社交化、可定制的AI写作助手，可以轻松创建和运行不同的大型语言模型(例如GPT 4和Gemini Pro)的AI提示。

：社交化、可定制的AI写作助手，可以轻松创建和运行不同的大型语言模型(例如GPT 4和Gemini Pro)的AI提示。 用户还可以在社区中发现和分享自己喜欢的提示。特点包括存储和运行喜爱的AI提示、支持多个AI模型、强大的定制化功能以及社区提示的发现和分享。

Meta发布全新大型语言模型LLaMA，加入硅谷AI竞赛

Meta发布全新大型语言模型LLaMA，加入硅谷AI竞赛 当地时间2月24日，Meta公司发布一款新的人工智能大型语言模型LLaMA，加入微软、谷歌等硅谷公司的竞赛。Meta首席执行官扎克伯格在Instagram表示，LLaMA模型旨在帮助研究人员推进工作，在生成文本、对话、总结书面材料、证明数学定理或预测蛋白质结构等更复杂的任务方面“有很大的前景”。Meta表示，在大多数基准测试中，参数仅为十分之一的LLaMA-13B的性能优于OpenAI推出的GPT3(175B)，也即支持ChatGPT的GPT3.5的前身。 来源 ， 来自：雷锋 频道：@kejiqu 群组：@kejiquchat 投稿：@kejiqubot

OPENAI发布从文本创建视频的AI模型

OPENAI发布从文本创建视频的AI模型 当地时间周四，OPENAI宣布推出Sora，这是一种从文本创建视频的AI模型。可以根据文本提示创建现实且富有想象力的场景。Sora可以生成长达一分钟的视频，同时保持视觉质量并遵守用户的提示。 、

百度发布 AI 原生操作系统 DuerOS X

百度发布 AI 原生操作系统 DuerOS X 在4月16日举行的 Create 2024 百度 AI 开发者大会上，小度科技宣布推出“全球首个 AI 原生操作系统”DuerOS X。该系统基于百度文心大模型进行了全面升级，在多模态感知和拟人化呈现方面有了“重要突破”。通过 DuerOS X，小度的人机交互体验将实现“质的飞跃”，为用户提供更加自然、智能的交互方式。DuerOS 是百度在 2017 年推出的首个对话式人工智能操作系统，目前用于小度智能音箱等产品，已经迭代到 7.0 版本，DuerOS X 将迎来更多 AI 功能升级。

强制时间对齐的时间戳精确版Whisper语音识别 | 该存储库通过强制使用基于音素的ASR模型（例如wav2vec2.0）来优化

强制时间对齐的时间戳精确版Whisper语音识别 | 该存储库通过强制使用基于音素的ASR模型（例如wav2vec2.0）来优化openAI的Whisper模型的时间戳，多语言用例。 Whisper是由OpenAI开发的ASR模型，在大型的各种音频数据集上进行训练。虽然它确实会生成高度准确的听录，但相应的时间戳位于话语级别，而不是每个单词，并且可能不准确几秒钟。 基于音素的 ASR一套经过微调的模型，用于识别区分一个单词和另一个单词的最小语音单元，例如“tap”中的元素p。一个流行的示例模型是wav2vec2.0。 强制对齐是指将正字转录与录音对齐以自动生成电话级分段的过程。