社区

品玩7月24日讯，据 Arxiv 页面显示，微软近期发布文本到语音模型 VALLE-2，首次实现了与人类同等的水平。 据悉，VALLE-2采用零样本学习技术，仅需一段简短的陌生语音样本，就能模仿相同的声音说出任意文本内容，展现了惊人的即时模仿能力。不过研究者表示，虽然 VALL-E 2 有很强的零样本学习能力可以像配音员一样模仿声音，但相似度和自然度取决于语音 prompt 的长度和质量、背景噪音等因素。 在主观评分（SMOS和CMOS）和客观指标(SIM、WER和DNSMOS)上，VALLE-2不仅超越了前代模型VALLE，在某些方面甚至优于人类真实语音。

随着2024法国巴黎奥运的临近，奥运氛围愈发浓厚，奥运周边产品也销售火爆。在开幕式前，天猫奥林匹克官方旗舰店又迎来一波“上新”，这次还是限量款。 7月24日，由官方认证，在中国奥委会辖区内发售的唯一一款限量版“弗里热”玩具公仔，在天猫奥林匹克旗舰店独家线上发售。 记者从官方旗舰店了解到，这款“弗里热”玩具公仔材质呈现磨砂反光的效果，每件都带有独立限量编号，更具收藏意义。在中国大陆限量2024件，其中天猫奥林匹克旗舰店发售900件，是最大的限量发售线上平台。 “中国体育代表团出征之后，大家对奥运的期待越来越高，每天都有近万人来到店铺选购。”天猫奥林匹克旗舰店的工作人员告诉记者，临近巴黎奥运正式开赛，购买奥运周边产品的消费者越来越多，近一周，每日进店人数以20%的速度递增。 4月17日，“弗里热”通过天猫首次在中国大陆地区发售，备受消费者喜爱，该店铺总共上架了纪念币、毛绒玩具、钥匙扣、手办等多种类型的奥运相关商品，约60多个款式，其中“弗里热”公仔毛绒玩具纪念性强，文化特色鲜明，造型可爱，是卖得最好的奥运产品。据悉，销售至今，天猫奥林匹克旗舰店奥运周边商品共进行了14次售罄补货，“后续补货将主要以毛绒玩具为主。”天猫奥林匹克旗舰店的工作人员透露。

品玩7月24日讯，据36氪报道，通义千问大模型在与国际科技公司的竞争中获胜，成为奥运首个AI大模型应用的技术提供方。 此外，据央广网此前报道，在上海举行的巴黎奥运资格赛中，这项技术就已经在现场进行测试，以保障正式比赛中的顺利运行。这项技术首次应用于北京冬奥会，今年在巴黎奥运会中将推广到更多比赛中。据了解，这项技术将部署在巴黎奥运的12个场馆，在沙滩排球、网球、柔道和橄榄球等赛事转播中采用。 另据央视新闻报道，除了上云看转播，巴黎的现场观众还可以通过LED屏来看实时比赛。据了解，奥运期间，巴黎的每个区都会通过公开的户外大屏进行现场直播，共计有25个地点；同时在奥运开幕式上，奥组委在塞纳河边设置了80多个巨型屏幕现场直播，这些LED大屏也基本都来自中国科技公司。

近日，金山办公宣布旗下人工智能应用WPS AI 全新上线“AI 伴写”功能，该功能以其高度智能化、专业化及人性化的特点，为用户提供前所未有的AI写作体验。 用户点击最新版WPS Office右上角的WPS AI 选项卡，即可启用“AI 伴写”功能。针对个人用户不会写提示词等痛点，该功能无需用户写提示词，可据用户输入的文本提供智能建议并接续写作，辅助用户表达出那些“卡在嘴边的灵感瞬间”。若用户对续写结果不满意，AI伴写还可一键生成多样化内容，灵活满足不同的表达需求。用户亦可随时切换至手动输入模式，为确保写作思路的连贯，AI伴写将沉浸式陪伴用户并理解其意图，增强用户对AI的掌控感和信任度，打造新一代人智协同创作模式。 AI伴写功能还提供教师、行政、运营等多种场景角色，专注不同领域的内容创作，为用户提供更为专业化和个性化的写作建议。此外，“AI 伴写”已收录超20万首中华诗词，当用户引用古诗词时，AI也能即时提供续写建议，助力用户提升表达深度与文化底蕴。 WPS AI是金山办公旗下基于大语言模型的人工智能办公助手，于2023年11月开启公测，锚定AIGC（内容创作）、Copilot（智慧助理）、Insight（知识洞察）三个方向发展。今年7月，金山办公宣布升级 AI 战略，并正式发布 WPS AI 2.0，包含WPS AI办公助手、WPS AI政务版等应用，并推出政务自研模型—金山政务办公模型1.0。 作为国内领先的办公软件产品和服务提供商，金山办公始终秉持“技术立业”和“用户第一”的理念，致力于为人们提供高效可靠、轻松愉悦的办公体验，为智慧的表达与传递创建高效平台。此次“AI伴写”功能的正式上线，是金山办公在优化用户体验上的又一次创新，积极打造办公新质生产力工具的显著成果。 据QM最新报告数据显示，随着消费市场的稳步回暖和AI技术的深度融合，2024年上半年办公领域产品迎来了显

特斯拉赚钱的速度变慢了。特斯拉2024年第二季度财报公布，以下划重点：二季度营收255亿美元，去年同期248.3亿美元，同比增长2%；净利润14.94亿美元，与去年同期的净利润26.14亿美元相比大幅下降；归属于普通股股东的净利润为14.78亿美元，与去年同期归属于普通股股东的净利润27.03亿美元相比下降45%；二季度毛利率18%，与去年同期的18.2%相比略有下降，与上一季度的17.4%相比有所上升。二季度特斯拉的自由现金流13.4亿美元。虽然特斯拉的营收突破纪录，但是净利润却大幅下滑。结合特斯拉二季度的销售数据来看，今年二季度特斯拉全球共交付44.4万辆，去年同期，特斯拉的全球交付量是46.6万辆，今年二季度相比去年同期同比下降4.8%。在今年连续两个季度同比下降后，今年上半年，特斯拉全球交付同比下滑6.6%至83.77万辆。交付量下滑，在主力市场——中国市场持续推出终端优惠，直接拉低了特斯拉的净利润表现。在财报电话会中，马斯克也承认了这一点，他表示，电动汽车市场竞争加剧，竞争对手推出价格折扣，对特斯拉来说是一个挑战。 今年上半年，特斯拉在中国市场的销量出现同比下滑 图源：乘联会不过，马斯克也透露了几个消息：FSD将在12.6版本进入中国，并同时进入欧洲和其他国家，目前V12.5已经在特斯拉内部推出试用；Robotaxi发布时间从8月推后至10月10日，原因在于马斯克要求对Robotaxi前部进行重要设计更改，因推迟发布日期而得来的额外时间将让公司有机会展示一些其他的内容；特斯拉将在2025年上半年推出廉价车型；特斯拉第二代人形机器人Optimus已经在工厂中进行处理电池相关任务，预计2025年年底将有数千台Optimus在特斯拉工厂执行任务；尽管财报会这些算得上好消息，但是，这些消息屡屡推迟，也让特斯拉美股盘后跌幅扩至8%。不难看出，一直致力于控制成本的特斯拉，对于

品玩7月24日讯，业内权威的大模型竞技场 Lmsys 今天更新了其最新排行榜。结果显示，GPT-4o mini 跃居排行榜榜首，目前与 GPT-4o 并列第一。 OpenAI CEO Sam Altman 也在X上回应此时，称很高兴看到 GPT-4o mini 在 lmsys 上的性能如此接近 GPT-4o，而价格仅为其二十分之一！ 此外OpenAI 宣布，GPT-4o mini 的微调将逐步开放，目前已开放给 tier 4 和 tier 5 用户，然后会陆续扩展范围。而且从即日起到 9 月 23 号，每天都能免费使用 2 百万的训练 token。

“太卷了！” 从6月份开始，视频生成产品迎来了一波大爆发，从可灵到Luma、Runway Gen3，模型能力和产品化效果都越来越卷。 刚刚，PixVerse 更上线了V2版本，除了更新DiT架构外，竟然能一口气连续生成5个“Sora”效果的视频内容！ 在猫猫吃面条、狗狗骑摩托等创意测试中，PixVerse V2 的视频清晰度、动态质量和美观性都发挥出色。 据硅星人了解到，基于DiT（Diffusion ＋ Transformer）架构结合时空注意力机制，PixVerse V2在模型能力上有了阶段性的升级，支持单次生成8秒的视频，同时显著提升了视频的动态幅度、细节表现力和真实性；另一个重大的更新是，PixVerse V2 支持一键生成1-5段连续的视频内容，且片段之间会自动保持主体形象、画面风格和场景元素的一致性，即每个人都能够轻松生成40秒的视频内容！ 从生成效果来看，一方面PixVerse V2版本的视频生成内容信息密度更高，在几秒内可以传递更多信息，同时在一致性上升级，也让生成内容变得更可用；另一方面，V2的产品设计尽可能复杂的功能简单化，让小白也能进行创作。 我们发现随着视频生成模型技术和产品的不断迭代，无论是国内还是国外，普通用户展现出了巨大的需求。AI视频内容的创作不拘泥于专业群体，普通用户同样渴望通过简单、直观的工具，表达自己的创意和想法。 带着这样的视角看PixVerse V2的产品迭代，就会发现每一个功能，都在努力向用户靠近。 一、每一次迭代，都离用户更近一步 PixVerse自上线以来，一直以技术创新和对用户需求的深刻洞察，成为了最受欢迎的视频生成产品之一。 在最新上线的V2版本中，突破性功能之一是能够一次生成多段视频，同时保持视频之间的元素一致性和连贯性。这项功能对于长篇视频内容的创作具有重大意义，它使得创作者可以围绕一个主题或故事线，生成一系列相互关联

相信今天大家翘首企盼的都是同一个主角，Meta藏到现在的王牌、最被社区看好能直接叫板GPT-4o的新一代开源大模型 —— Llama 3.1系列，终于正式发布了。 鉴于4月公开的两个Llama 3小参数模型8B和70B表现不俗，令开发者们对最大参数版本的强悍性能充满期待。 昨天凌晨，部分“关键情报“更是在Reddit和Hugging Face上遭到泄露，爆料者称它已匹敌GPT-4o和Claude 3.5 Sonnet。今天看来所言非虚： 开源大模型首次击败了闭源最强SOTA模型。 此次Llama 3.1共发布8B、70B 和 405B 三个尺寸。能力全面提升，原生支持8种语言，最长上下文窗口128k。 其中超大杯405B包含4050亿个参数，是首个“前沿级别开源AI模型”，也是近年来规模最大LLM之一。 在通用常识、可引导性、数学、工具使用和多语言翻译等广泛任务中足以对标GPT-4、Claude 3.5 Sonnet等领先闭源模型。 Llama 3.1 8B和70B也在老版本基础上进行了推理能力和安全性升级，除多语言和上下文扩展外，还支持更多诸如长文本总结、多语言对话代理和编程助手等高级用例。 全系列主要亮点包括： 模型架构：延续Llama 3的标准解码器 transformer 架构，以最大化训练稳定性。 巨量数据：405B在15万亿token（相当于7500亿个单词）上训练，结合2500万合成数据微调。包含了更多的非英语资料、 “数学数据”和代码、以及最近的网络数据。 指令微调：后训练中每一轮都使用监督微调和直接偏好优化来迭代，并通过多轮对齐来改进模型的指令跟随能力和安全性，生成最终的聊天模型。 GPU规模：使用超过 1.6 万个 H100 GPU，时长高达惊人的3930万GPU小时。 预训练知识库：更新至2023年12月。 多语言支持：涵盖英语、法语、德语、印地语、意

品玩7月24日讯，据 百川大模型官方消息，百川智能联合天津大学推出“Sibyl System”Agent框架，成功问鼎GAIA Leader Board。 Sibyl System是一个结构简单但能力强大的LLM-based Agent framework，能够通过充分利用少量的工具来解决复杂的推理问题。通过引入 Global Workspace和Multi-Agent ，以及基于浏览器的通用信息获取渠道，在降低系统复杂度的同时，将能够解决问题的复杂度从人类耗时几分钟能处理的事项扩展到几十分钟乃至小时和天的级别，从而实现模型从“快思考”到“慢思考”的转变。 同时，Sibyl从设计之初就重视良好的可扩展性且易于调试，因此可以轻松替换其它模型的Agent模块，提升模型相应能力。

品玩7月24日讯，据快手官方消息，旗下视频生成大模型可灵现已开始全量上线，并面向不同需求的用户推出多种不同的付费方案。 目前可灵共拥有4种付费方案，除了免费版本之外，还有年费396元的黄金会员、年费1596元的铂金会员和年费3996元的钻石会员。所有付费用户可在免费版基础上获得大师运镜、视频延长、高表现视频生成等付费服务。 此外，铂金会员和钻石会员还将获得新功能优先体验的权利。