AI日报：AutoGLM智能体可自动帮点外卖；敏神重磅更新Flux版ic-light模型；字节跳动PersonaTalk让AI精准配音

相信很多大家对AI日报：AutoGLM智能体可自动帮点外卖；敏神重磅更新Flux版ic-light模型；字节跳动PersonaTalk让AI精准配音还不知道吧，今天菲菲就带你们一起去了解一下~.~！

欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。

新鲜AI产品点击了解:https://top.aibase.com/

1、智谱AI推出AutoGLM智能体:输入指令即可模拟人类操作手机

智谱技术团队最近推出了基于GLM技术团队研究成果的新产品AutoGLM，这是一个智能体，能够模拟人类操作手机执行各种任务。AutoGLM的推出标志着人工智能在“Phone Use”领域的进步，使得AI的应用更贴近人们的日常生活。

2、敏神重磅更新Flux版ic-light模型:16通道VAE突破性能，细节保留能力惊人!

IC-Light V2基于Flux架构横空出世，带来革命性图像处理突破。16通道VAE和高分辨率特性让其在细节保留和精准度方面达到新高度，展现出色的适应性。

3、告别配音演员?字节跳动PersonaTalk让AI精准配音，连表情细节都完美还原!

字节跳动最新开发的PersonaTalk AI模型实现了视频精准配音，声音与嘴型完美同步，保留人物原有特点，让视频更真实自然。该模型采用注意力机制的两阶段框架，具有高度个性化的配音效果和优秀的视觉质量。然而，在处理非人类化身和大幅度面部姿势时仍有局限性。字节跳动计划限制核心模型访问权限，防止技术滥用。

4、Meta开源长视频LLM项目LongVU:可过滤重复帧 高效精准理解长视频内容

Meta AI团队推出了LongVU，一种新型的时空自适应压缩机制，旨在提升长视频的语言理解能力。该技术利用DINOv2特征剔除冗余帧，通过跨模态查询实现特征选择性压缩，在各种视频理解基准测试中表现优异，尤其在长视频理解任务中超越其他方法。长视频内容的快速增长需要更加高效的处理方式，LongVU的推出为多模态理解领域带来新的可能性。

5、AI拿铁来了!谷歌Gemini AI提供支持，但配方看起来有点黑暗

在菲律宾马尼拉，Commune与谷歌菲律宾合作推出了AI辅助的Bibingka拿铁，融合传统节日美食风味，展现现代饮品创新的可能性。这种创新饮品让人感受浓厚的节日氛围，唤起对传统美食的怀念，吸引咖啡爱好者的目光。

6、摆脱人工标注魔咒!字节跳动MaskGCT模型用10万小时数据，教会AI自己说话

字节跳动发布了名为MaskGCT的全新语音合成（TTS）模型，彻底颠覆了传统TTS模型的玩法，实现了自学成才，不再依赖人工标注。该模型采用了掩码生成式编解码器Transformer的架构，让AI能灵活控制语音时长，达到了高质量、相似度和韵律的语音合成效果。

7、Meta推出NotebookLM开源版“NotebookLlama”

Meta最近推出了名为NotebookLlama的新工具，是谷歌NotebookLM中备受欢迎的生成播客功能的开源版。虽然NotebookLlama能将用户上传的文件转化为互动式的播客风格摘要，但目前生成的声音质量较低，存在机械感和声音重叠问题。AI生成的播客仍可能含有虚假信息，这是所有AI项目普遍存在的挑战。

8、AI语音转录工具Whisper被曝存在严重“幻觉”

最近，OpenAI的Whisper技术驱动的AI转录工具在医疗行业广受欢迎，但研究发现在约1%的转录中会出现“幻觉”现象，甚至编造内容。OpenAI表示正在努力改善工具性能，特别是减少幻觉现象。

9、谷歌开发AI工具“Project Jarvis”，轻松操控你的电脑和浏览器!

谷歌最新研发的AI工具“Project Jarvis”将改变人们与电脑的互动方式，让AI应用变得更加简单和便利。用户只需输入简单命令，AI即可自动完成各种在线任务，降低了使用门槛。然而，隐私和安全问题也需引起关注，谷歌需要加强保障措施以保护用户数据安全。

10、苹果新AI系统Ferret-UI2刷新UI交互体验

苹果公司发布的新一代人工智能系统Ferret-UI2在UI元素识别方面取得重大突破，展现出卓越的性能表现。该系统最大特点在于智能理解用户意图，实现自然语言指令操作。技术架构自适应多平台，提供智能算法调整图像分辨率，保证运算效率。竞争激烈的UI交互AI领域，苹果的CAMPHOR框架增强了系统处理复杂任务能力，展望智能人机交互未来。

11、Cohere推出首个图文一体化搜索模型Embed3

Cohere公司最新推出的Embed3搜索模型实现了图像搜索与文本检索的无缝集成，为企业带来了革命性变革。新系统采用统一存储架构解决了维护多个独立数据库的问题，支持主流图片格式并将商业数据转换为向量表示，大幅提升了检索效率。更新后的模型支持超过100种语言，具备强大的跨平台兼容性。

12、GPT-4超越人类分析师，财务预测准确率达到60%

这篇文章介绍了芝加哥大学布斯商学院的研究结果，表明OpenAI的GPT-4在财务分析和预测方面超越了人类分析师，准确率达到60%。研究采用了名为“思维链”的提示方式，指导GPT-4识别财务趋势，展现出稳健的分析能力。应用GPT-4的交易策略取得了显著的市场超越和高额收益，为未来投资者带来新的盈利潜力。这项研究为生成式AI在金融领域的应用指明了方向，预示着金融行业可能迎来全新的变革。

13、自动驾驶也要玩“元宇宙”?极佳科技用AI脑补，让4D场景重建更丝滑!

极佳科技推出的DriveDreamer4D框架利用世界模型的先验知识提升4D驾驶场景重建效果，解决传统方法在复杂路况下容易翻车的问题。实验证明DriveDreamer4D在处理复杂路况时效果优于传统方法，提高重建图像保真度和准确性。虽然仍处于研究阶段，但未来有望成为自动驾驶领域不可或缺的一部分。

14、小米15内存标配升级，端侧AI对内存要求更高

随着人工智能时代的全面到来，智能手机硬件配置正在经历革命。小米15系列取消8GB内存版本，转为12GB内存标准配置，反映移动终端AI发展新方向。硬件规格升级带来更优秀显示效果和更高续航能力。小米发布会展示16款新品，深度布局人车家全生态战略。消费者选购新机建议选择更大内存版本适应未来AI应用普及，注意不同品牌内存定价差异。

以上就是关于【AI日报：AutoGLM智能体可自动帮点外卖；敏神重磅更新Flux版ic-light模型；字节跳动PersonaTalk让AI精准配音】的相关内容，希望对大家有帮助！