谷歌升级Gemini 1.5 Pro AI可以听音频了

谷歌升级Gemini1.5ProAI可以听音频了Gemini1.5Pro被视为Gemini家族中的“中量级”（middle-weight）模型，其性能已经超越了最大规模、最强大的GeminiUltra。谷歌表示，Gemini1.5Pro能够理解复杂指令，而且使用时无需对模型进行特别调整。需要指出的是，不通过VertexAI的用户无法体验到Gemini1.5Pro的全部功能。目前，大众主要通过Gemini聊天机器人与Gemini大语言模型互动。尽管GeminiUltra为GeminiAdvanced聊天机器人提供了强大支持，能理解较长的指令，但在反应速度上不及Gemini1.5Pro。除了Gemini1.5Pro的更新，谷歌还对其它大型人工智能模型进行了升级。特别是作为文本转图像生成模型的Imagen2，它增强了Gemini的图像生成能力。通过引入图像外延（Outpainting）和内填（Inpainting）功能，用户现在能更灵活地对图像的元素进行添加或删除。为确保Imagen模型生成的图片版权和来源可追溯，谷歌为所有生成图片加入了SynthID数字水印技术。这种创新技术通过几乎不可见的水印明确标识图片来源，可以通过专用工具进行检测。Imagen模型的许多新特性，如图像外延和内填技术，已被其他文本转图像模型采用，例如StabilityAI的StableCascade和Getty的GenerativeAIbyiStock。此外，这些技术也被广泛应用于消费电子产品中，如三星Galaxy手机。除图像生成的创新外，谷歌还公开展示了一种结合人工智能生成回答和谷歌搜索结果的方法，旨在为用户提供更实时、更准确的信息。然而，大语言模型生成的回答并非总是精准无误，有时可能会误导用户。因此，谷歌对Gemini模型设置了一些限制，比如禁止回答与2024年美国大选相关的问题。此前，Gemini模型因在生成历史人物描述时出现不准确而受到批评。...PC版：https://www.cnbeta.com.tw/articles/soft/1426835.htm手机版：https://m.cnbeta.com.tw/view/1426835.htm

在Telegram中查看

相关推荐

Google Gemini 1.5 Pro 现已拥有“听觉”并推出公共预览版

Google对Gemini1.5Pro进行更新，赋予了模型“听觉”能力。现在，该模型可以聆听上传的音频文件，并从中提取信息，例如财报电话会议或视频中的音频，而无需参考文字记录。在GoogleNext大会上，Google还宣布将首次通过其构建AI应用的平台VertexAI向公众开放Gemini1.5Pro。Gemini1.5Pro最初于2月份发布。这个新版本的GeminiPro被认为是Gemini家族中的中量级模型，但在性能方面已经超越了最大、最强大的模型GeminiUltra。Google声称，Gemini1.5Pro可以理解复杂的指令，并且无需微调模型。目前，Gemini1.5Pro仅对拥有VertexAI访问权限的用户开放。大多数人通过Gemini聊天机器人接触到Gemini语言模型。GeminiUltra为GeminiAdvanced聊天机器人提供支持，虽然它功能强大，也能理解长指令，但速度不如Gemini1.5Pro。除了Gemini1.5Pro，Google的其他大型AI模型也获得了更新。Imagen2是支持Gemini图像生成功能的文本到图像生成模型，它将添加修复和扩展功能，允许用户添加或删除图像中的元素。Google还将其SynthID数字水印功能应用于所有通过Imagen模型创建的图片。SynthID在图像上添加了一个对观众不可见的水印，通过检测工具查看时可以标记其来源。Imagen的许多新功能，尤其是修复和扩展功能，已经是其他文本到图像模型的一部分，例如StabilityAI的StableCascade和Getty的GenerativeAIbyiStock，以及在较新的三星Galaxy手机上更广泛的消费者可用性。Google表示，它还公开预览了一种将AI响应与Google搜索结合起来的方式，以便AI能够提供最新的信息。via匿名标签:#Google#Gemini#AI频道:@GodlyNews1投稿:@GodlyNewsBot

谷歌 Gemini 1.5 Pro 模型登顶世界第二

谷歌Gemini1.5Pro模型登顶世界第二自4月21日谷歌将Gemini1.5Pro交付给公众评审后，两天内Gemini1.5Pro一路过关斩，在竞技场收到两万有效投票后位列世界第二。如今Gemini1.5ProAPI-0409-preview超过了第3名GPT-4-0125-preview，差两分与Claude3Opus并列第一。关注频道@TestFlightCN

谷歌发布了Gemini 1.5模型，最主要的升级是支持了高达 100 万的上下文长度，秒杀了所有模型。#ai##llm#

谷歌发布了Gemini1.5模型，最主要的升级是支持了高达100万的上下文长度，秒杀了所有模型。Gemini1.5基于Transformer和MoE架构的研究和工程创新，提高了训练和服务的效率。Gemini1.5Pro是一个中等规模的多模态模型，适用于多种任务，并引入了在长上下文理解方面的实验性特性。它标准的上下文窗口为128,000个Token，但现在已经可以通过AIStudio和VertexAI向开发者和企业客户提供高达100万个Token的私人预览。1.5Pro可以一次处理大量信息——包括1小时的视频、11小时的音频、包含超过30,000行代码的代码库或超过700,000个单词。Gemini1.5Pro在文本、代码、图像、音频和视频评估的综合面板上的性能超过了Gemini1.0Pro，并且与1.0Ultra在同样的基准测试上表现相当。此外，Gemini1.5Pro在进行长上下文窗口的测试中表现出色，在NIAH评估中，它在长达100万个Token的数据块中99%的时间内找到了嵌入的文本。了解更多：#context-window

Google继Gemini 1.0 Ultra之后，推出了更高能力的模型Gemini 1.5。Gemini 1.5 Pro引入了

Google继Gemini 1.0Ultra之后，推出了更高能力的模型Gemini1.5。Gemini1.5Pro引入了一个实验性功能，能够处理长达1百万token的上下文窗口，上下文内容包括：代码、文本、图像和影片。同时，Gemini1.5采用了新的混合专家（Mixture-of-Experts，MoE）架构。从今天起，少数开发人员和企业客户可以通过AIStudio和VertexAI私有预览版中试用100万Token的上下文窗口的Gemini1.5Pro。https://blog.google/technology/ai/google-gemini-next-generation-model-february-2024/投稿：@TNSubmbot频道：@TestFlightCN

谷歌宣布推出 Gemini 1.5 闪电模型等

谷歌宣布推出Gemini1.5闪电模型等当地时间5月14日，谷歌DeepMind首席执行官宣布推出Gemini1.5闪电模型，该模型能够兼顾快速和成本效益。该公司还展示了Astra模型，该模型通过智能手机摄像头分析世界，并与用户进行对话。该公司将推出人工智能视频生成模型Veo，对标OpenAI的文生视频模型Sora。谷歌发布第六代TPU芯片Trillium。谷歌宣布推出Imagen文生图模型，相较于其他同类产品具备更高的细节调整功能，逼真的光线和更少的干扰，能够从草图快速升成高分辨率图像。安卓15已融入谷歌Gemini大模型升级后能力，Android15Beta2将在当地时间5月15日正式推出。谷歌宣布推出全新音乐工具MusicAISandbox。——财联社、、、、、

Gemini 1.5 Pro 已上线 Poe

Poe在X表示，Gemini1.5Pro已在Poe推出，Google的这个强大的新多模态模型引入了业界领先的100万个tokens（约70万个单词）的上下文窗口，具有近乎完美的检索能力，可实现需要长上下文理解的复杂任务。Gemini1.5Pro支持文本、图像和视频输入，并具有文本输出功能。它目前在Poe中提供三个版本：Gemini1.5Pro、128k、1M。此外，Poe还添加了原版GeminiPro的升级版。该机器人经过微调，具有更具对话性的个性，并在推理、数学、延迟、讲故事和总结等方面具有质量改进。via匿名标签:#Gemini#Poe#AI频道:@GodlyNews1投稿:@GodlyNewsBot

🔍 发送关键词来寻找群组、频道或视频。

启动SOSO机器人