AI资讯新闻榜单内容搜索-SOTA

关键词: AI视频,MiniGPT4-Video,SOTA,sora

秒懂视频的AI诞生了！KAUST和哈佛大学研究团队提出MiniGPT4-Video框架，不仅能理解复杂视频，甚至还能作诗配文。

关键词: 阿里7B,多模态,大模型,mPLUG-DocOwl 1.5

多模态文档理解能力新SOTA！阿里mPLUG团队发布最新开源工作mPLUG-DocOwl 1.5，针对高分辨率图片文字识别、通用文档结构理解、指令遵循、外部知识引入四大挑战，提出了一系列解决方案。

关键词: champ,人体视频,文生视频,AI视频

一张照片 + 一段视频，就能让照片活起来！

关键词: 模型,模型合并,Transformer,Huggingface,模型训练

把Huggingface上的现成模型拿来“攒一攒”—— 直接就能组合出新的强大模型？！日本大模型公司sakana.ai脑洞大开（正是“Transformer八子”之一所创办的公司），想出了这么一个进化合并模型的妙招。

关键词: 多模态,大模型,TextMonkey,多模态大模型

最近，华中科技大学和金山的研究人员在多模态大模型 Monkey [1]（Li et al., CVPR2024）工作的基础上提出 TextMonkey。在多个场景文本和文档的测试基准中，TextMonkey 处于国际领先地位，有潜力带来办公自动化、智慧教育、智慧金融等行业应用领域的技术变革。

关键词: NaturalSpeech,AI,文生语音,TTS

SOTA 语音合成效果。文本到语音合成（Text to Speech，TTS）作为生成式人工智能（Generative AI 或 AIGC）的重要课题，在近年来取得了飞速发展。在大模型（LLM）时代下，语音合成技术能够扩展大模型的语音交互能力，更是受到了广泛的关注。

关键词: Stable Video 3D,SD,扩散模型,模型训练,文生视频

3D 生成领域迎来新的「SOTA 级选手」，支持商用和非商用。Stability AI 的大模型家族来了一位新成员。昨日，Stability AI 继推出文生图 Stable Diffusion、文生视频 Stable Video Diffusion 之后，又为社区带来了 3D 视频生成大模型「Stable Video 3D」（简称 SV3D）。

关键词: 天工一刻,昆仑万维,Sora,AI内容,AIGC

大SOTA有大红利，垂类SOTA也有垂类红利。在尚未被超越的这段时间，SOTA企业必须像OpenAI一样，紧紧抓住红利窗口。

关键词: 零一万物,向量数据库,笛卡尔向量数据库,零一大模型

来自零一万物最新研发的高性能向量数据库笛卡尔（Descartes），登顶权威测评榜单。

关键词: 读屏AI,PaLM 2-S,ScreenAI,谷歌AI

谷歌在语言和声控计算机界面的漫长道路上又迈出了重要一步。最新ScreenAI视觉语言模型，能够完成各种屏幕QA问答、总结摘要等任务。