AI新闻动态（2023-08-20到2023-08-26）

[ikaijua]

AI 新闻动态（2023-08-20到2023-08-26）

[ikaijua]

2023-08-18 快手推出大模型KwaiYii（快意）

根据描述KwaiYii-13B-Chat 对话模型具备出色的语言理解和生成能力，支持内容创作、信息咨询、数学逻辑、代码编写、多轮对话等广泛任务，人工评估结果表明 KwaiYi-13B-Chat 超过主流的开源模型，并在内容创作、信息咨询和数学解题上接近 ChatGPT(3.5) 同等水平。

8 月 18 日，「快手 AI 对话」功能已经在快手 APP 安卓版本开放内测

• Github项目：https://github.com/kwai/KwaiYii/ , 目前只有readme文件。

媒体报道：

• 机器之心报道：快手APP上了大模型对话，这是机器之心一手体验

[ikaijua]

2023-08-22 Midjourney 发布局部重绘(Vary Region)功能

这个功能习惯被称作Inpaint，Stable Diffusion、Photoshop、playgroundAI都有这个功能。Midjourney有了这个功能后，与Stable Diffusion在自定义功能方面的差距越来越小了。

使用该功能可以实现局部修复、更换发型、更换服装、更换动作等效果。

• Midjourney的文档/vary-region
• "歸藏的AI工具箱“整理的教程：Midjourney 局部重绘终于来了这里是一份详细的官方教程，强的离谱

[ikaijua]

2023-08-22 OpenAI 为GPT-3.5 Turbo推出微调功能

OpenAI产品一个重要的升级，OpenAI 为GPT-3.5 Turbo推出了微调功能。企业客户现在可以使用自己的数据对该模型进行微调,以获得在特定用例上表现更好的自定义AI。早期测试表明,微调后的GPT-3.5 Turbo在某些任务上的能力可与GPT-4媲美。

微调分四步完成:准备数据、上传、创建任务、使用微调模型。OpenAI会对数据进行安全审查。

价格方面,训练和使用微调模型较基础GPT-3.5贵4倍左右。有人认为价格偏高,是需要考虑的问题。

总体来说,GPT-3.5 Turbo的微调功能让开发者可以获得更针对自己需求优化的AI,是。

• OpenAI官方博客：GPT-3.5 Turbo fine-tuning and API updates
• 卡尔的AI沃茨-e/acc的微调实战：https://github.com/LearnPrompt/LLMs-cookbook/tree/main

媒体报道：

• 机器之心：GPT-3.5 Turbo支持微调了，打造专属ChatGPT，但价格小贵

[ikaijua]

2023-08-22 Meta 推出 SeamlessM4T，可转录和翻译近 100 种语言

Meta推出了SeamlessM4T，首个集语音识别、语音翻译、文本翻译于一体的多模态多语言AI翻译模型。

1. 该模型支持近100种语言的语音转文本、语音翻译语音、文本翻译语音、文本翻译文本等任务。
2. SeamlessM4T的单一系统结构相比多个独立模型的方式,可以减少错误和延迟,提高翻译质量和效率。
3. 该模型基于Meta过去几年在通用翻译器方面的研究,结合了多个项目的优点。
4. Meta公开发布了该模型的研究版本,以及一个包含27万小时语音文本匹配数据的大规模多语言翻译数据集。
5. SeamlessM4T是Meta连接多语言交流的持续努力中的最新成果,未来可望支持更多交流能力,让世界上的每个人都能相互理解。

• meta官方新闻：Introducing SeamlessM4T, a Multimodal AI Model for Speech and Text Translations
• meta博客介绍：Bringing the world closer together with a foundational multimodal model for speech translation
• Github：https://github.com/facebookresearch/seamless_communication
• 在线Demo体验：https://seamless.metademolab.com/
• 在线colab使用：https://github.com/camenduru/seamless-m4t-colab

媒体报道：

• oschina报道：https://www.oschina.net/news/255168/meta-seamless-m4t

[ikaijua]

2023-08-22 ElevenLabs发布Eleven Multilingual v2多语言语音合成模型，可以生成28种语言的语音

1. 该模型可以保持说话者的语音特征，使同一种声音适用于不同语言。
2. 支持的语言覆盖全球75%人口使用的主要语言。
3. 用户可以在ElevenLabs网站上选择语音风格、调整语音参数后输入文本生成语音。

测试中文效果不好，依旧是微软TTS效果更好些。

• 官方博客：ElevenLabs Comes Out of Beta and Releases Eleven Multilingual v2 - a Foundational AI Speech Model for Nearly 30 Languages
• 体验入口：https://beta.elevenlabs.io/

媒体报道：

• 机器之能：28种语言，原汁原味的口音，ElevenLabs 文本转语音出测试版了

[ikaijua]

2023-08-25 Meta开源代码生成模型Code Llama

Code Llama是基于Llama 2在大量代码数据上进行微调的代码生成专用模型，支持多种编程语言。

1. Code Llama有7B、13B和34B三个版本，34B版本的性能甚至接近GPT-4。
2. Code Llama支持高达10万token的长文本生成,所有模型的训练序列长达16000token。这使其可以生成更长的程序代码。
3. Code Llama-Python在额外的100B Python代码上进行了微调,Code Llama-Instruct进行了指令训练,可以更好地理解自然语言提示。

• Github：https://github.com/facebookresearch/codellama
• 官方新闻：https://ai.meta.com/blog/code-llama-large-language-model-coding/
• 在线colab使用：https://github.com/camenduru/text-generation-webui-colab

媒体报道：

• 机器之心报道：官方的Code Llama开源：免费商用，神秘版本接近GPT-4

[ikaijua]

2023-08-25 阿里云推出了大规模视觉语言模型Qwen-VL并开源

Qwen-VL是基于通义千问-7B打造的多模态大模型，支持图像、文本、检测框等多种输入，并且在文本之外，也支持检测框的输出。
Qwen-VL是以Qwen-7B为基座语言模型，在模型架构上引入了视觉编码器ViT，并通过位置感知的视觉语言适配器连接二者，使得模型支持视觉信号输入。

项目链接：

• Github项目：https://github.com/QwenLM/Qwen-VL
• 魔搭社区demo：https://modelscope.cn/studios/qwen/Qwen-VL-Chat-Demo/summary
• 论文地址：https://arxiv.org/abs/2308.12966

媒体报道：

• 魔搭社区报道：通义千问开源第二波！多模态来啦！（内含魔搭最佳实践）
• 量子位报道啊：阿里大模型又开源！能读图会识物，基于通义千问7B打造，可商用

[ikaijua]

2023-08-23 清华大学联手字节跳动，推出听觉大语言模型SALMONN

SALMONN是一个支持语音、音频事件和音乐输入的大型语言模型（LLM），由清华大学电子工程系和字节跳动开发。

1. SALMONN 不是仅语音输入或仅音频事件输入，而是可以感知和理解各种音频输入，从而获得多语言语音识别和翻译以及音频语音推理等新兴功能。
2. 这可以看作是赋予了LLM“耳朵”和认知听觉能力，这使得SALMONN向具有听觉能力的通用人工智能迈出了一步。

• Github 仓库：https://github.com/bytedance/SALMONN/ ，目前还没有代码，介绍说将很快开源代码
• Demo 链接：https://bytedance.github.io/SALMONN/

[ikaijua]

2023-08-23 Hugging Face获得2亿美元D轮融资，Salesforce 领投，Hugging Face估值超过 40 亿美元

Hugging Face获得2亿美元D轮融资，由Salesforce旗下投资机构Salesforce Ventures领投。Hugging Face估值达到40亿美元。

1. Hugging Face用户量持续增长，目前有超过1.5万家企业用户，3000家付费企业客户。客户覆盖各行各业头部企业。
2. Hugging Face今年发布了基于LLaMA模型的HuggingChat聊天机器人和Inference API,加强了生成式AI能力。
3. Salesforce宣布推出AI Cloud,并增加了风险投资规模,本轮投资Hugging Face符合其战略。
4. Salesforce可能将Hugging Face视为潜在收购目标，也给AI产业注入活力。
5. Hugging Face以开源起家，在商业化道路上稳扎稳打，获得投资人认可和用户信任。
6. Hugging Face代表了新一代AI公司商业模式的变革，为AI创新赋能社区和科研，值得关注。

媒体报道：

• 36kr报道：Hugging Face获得2亿美元D轮融资，或剑指超级独角兽 | 焦点分析

[ikaijua]

2023-08-25 谷歌AI绘画4大牛创业公司Ideogram推出MidJourney的强劲对手ideogram.ai并拿下1650万美元天使融资

Ideogram推出文生图网站https://ideogram.ai ，目前可以注册免费使用。最瞩目的特性可以在图中精准生成文字。

Ideogram AI是谷歌AI绘画7大牛集体离职的创业项目，坐标多伦多，带着1650万美元 （约1.2亿人民币）种子轮融资席卷而来。创始团队中前4人都是谷歌文生图研究Imagen论文作者，组成一个扩散模型顶级研究团队。

个人投资者中也不乏知名人物，如OpenAI创始成员Andrej Karpathy，强化学习大牛Pieter Abbeel，Node.js创始人Ryan Dahl、GitHub联合创始人Tom Preston-Werner等。甚至团队的老上司，前谷歌大脑掌门人Jeff Dean也有参与。

• 网页地址：https://ideogram.ai
• twitter文：https://twitter.com/ideogram_ai/status/1694024927853129757

媒体报道：

• 量子位报道：Midjourney遇劲敌！谷歌AI绘画4大牛创业，免费试玩Imagen技术，拿下1.2亿天使融资

[ikaijua]

2023-08-24 英伟达公司发布Q2财报。

1. 英伟达营收为135.1亿美元，同比增长101%，环比增长88%；净利润为61.88亿美元，同比增长843%，环比增长203%。均超出市场预期。
2. 英伟达上调第三季度营收预期至160亿美元,高于市场预期。
3. 英伟达表示市场对其AI芯片的需求超过供应50%,未来几个季度将继续增加供应。
4. 英伟达认为出口限制如果长期实施,将影响其在中国市场的领先地位,中国市场需求占其收入20%-25%。
5. 英伟达CEO黄仁勋表示,公司将加速工程速度,以满足客户对加速计算和AI芯片的需求。
6. 英伟达股价创历史新高,市值超过1.1万亿美元,是全球第一大半导体公司。

英伟达新闻：https://nvidianews.nvidia.com/news/nvidia-announces-financial-results-for-second-quarter-fiscal-2024

媒体报道：

• 钛媒体：Q2净利润暴增843%超指引，英伟达真的“赢麻了”｜硅基世界