AI日报：阿里开源Qwen-Image-Edit；淘宝“AI万能搜”功能灰度测试；小红书发布DynamicFace人脸生成技术 AI日报 8月19日?AIbase1、阿里开源 Qwen-Image-Edit：中文渲染秒杀 GPT-4o，精准文本编辑+语义外观双控 2、淘宝“AI万能搜”功能灰度测试，探索电商新购物模式 3、小红书发布DynamicFace人脸生成技术，实现高质量图像视频人脸融合 4、Gemini API重磅升级！URL Context功能上线，网站内容直接变现新模式来袭！ 5、Nvidia 推出新型小型开放模型 Nemotron-Nano-9B-v2，支持智能推理开关 6、马斯克发布Grok Imagine 0.1版本，野心打造宇宙最强想象力放大器 7、Vercel v0 iOS版发布：AI驱动的移动开发新篇章 8、理想汽车发布MindGPT 3.1智能体模型，每秒200字符输出速度提升5倍 9、AI 技术简化动漫制作流程，ToonComposer实现自动上色和生成动画 10、ElevenLabs发布全新视频到音乐生成流程 1.阿里开源 Qwen-Image-Edit：中文渲染秒杀 GPT-4o，精准文本编辑+语义外观双控 Qwen-Image-Edit 是阿里通义千问团队推出的图像编辑模型，凭借其强大的文本编辑能力和双重编码机制，在中文渲染和图像编辑领域表现出色，具有广泛的应用前景。 亮点提要： ?? 突破性文本编辑能力，支持中英文精准渲染，尤其在中文场景下表现卓越。 ?? 双重编码机制确保语义与外观的平衡，提升图像编辑的准确性和视觉一致性。 ?? 开源赋能全球AI创作生态，提供多种平台和工具支持，推动技术普及与应用。 详情入口： ?? https://github.com/QwenLM/Qwen-Image 2.淘宝“AI万能搜”功能灰度测试，探索电商新购物模式 淘宝正在灰度测试名为“AI万能搜”的新功能，利用大模型技术重构电商搜索体验。该功能通过自然语言理解为用户提供购物攻略、口碑评测和优惠咨询等服务，并展示AI的思考过程。 亮点提要： ? AI万能搜基于大模型技术，提升用户购物决策效率。 ?? 功能聚焦穿搭指南、送礼清单、选购攻略和问口碑四大场景。 ?? 用户可清晰看到AI的思考逻辑，包括获取信息、查询需求和分析总结。 3.小红书发布DynamicFace人脸生成技术，实现高质量图像视频人脸融合 小红书AIGC团队发布了名为DynamicFace的可控人脸生成技术，这项技术针对图像和视频领域的人脸融合任务进行优化，能够实现高质量与高度一致性的人脸置换效果。该技术不仅在娱乐社交领域有广泛应用前景，在影视制作、虚拟形象生成等专业领域也具有重要价值。 亮点提要： ?? DynamicFace技术强调可控性，允许用户对人脸生成过程进行精确控制。 ?? 该技术在图像和视频两个维度都实现了优化，特别是在保持高度一致性方面表现突出。 ?? 小红书在推出这一技术的过程中，如何平衡创新与安全将是业界关注的重点。 4.Gemini API重磅升级！URL Context功能上线，网站内容直接变现新模式来袭！ Gemini API推出了URL Context功能，允许开发者直接在API中嵌入网页链接，简化了内容获取流程，并为内容提供商和开发者带来了新的商业机会。该功能提升了开发效率，同时可能催生新的商业模式，如类似AdSense的联盟机制。 亮点提要： ?? URL Context功能让开发者可以直接在提示中提供网页链接，模型自动访问并解析内容，提升开发效率。 ?? 使用URL Context时，提取的内容将计入输入Tokens费用，需权衡成本与内容量。 ?? 新的商业模式可能通过联盟机制实现，内容提供商可从Tokens费用中分得利润，激励高质量内容生成。 详情入口： ?? https://ai.google.dev/gemini-api/docs/url-context?hl=zh-cn 5.Nvidia 推出新型小型开放模型 Nemotron-Nano-9B-v2，支持智能推理开关 Nvidia 发布了新型小型语言模型 Nemotron-Nano-9B-v2，该模型在多个基准测试中表现优异，并支持用户灵活控制推理功能。其参数量为90亿，优化于单个 Nvidia A10 GPU，适用于多语言任务和代码生成。 亮点提要： ?? Nemotron-Nano-9B-v2 是一款新型小型语言模型，支持用户灵活控制推理功能。 ?? 模型基于混合架构，能够高效处理长序列信息，适用于多语言任务。 ?? 以开放模型许可证发布，允许商业用途和衍生模型的创建。 详情入口： ?? https://huggingface.co/nvidia/NVIDIA-Nemotron-Nano-9B-v2 6.马斯克发布Grok Imagine 0.1版本，野心打造宇宙最强想象力放大器 马斯克在X平台宣布其AI公司xAI推出的图像生成功能Grok Imagine目前为0.1测试版，并表达了对其未来发展的雄心壮志。该功能旨在与DALL-E、Midjourney等主流AI图像生成工具竞争，同时希望成为用户拓展创意思维的创新平台。 亮点提要： ?? Grok Imagine是xAI推出的图像生成功能，目标是与DALL-E、Midjourney等竞争。 ?? 马斯克公开承认当前版本仍需改进，但对未来发展充满信心。 ?? 功能定位为“想象力放大器”，旨在帮助用户拓展创意思维和想象边界。 7.Vercel v0 iOS版发布：AI驱动的移动开发新篇章 Vercel推出了其AI驱动开发工具v0的iOS版本，为移动开发者提供了全新的构建体验。该工具通过自然语言提示生成全栈Web应用，显著提升了开发效率，并在React和Next.js框架中表现出色，赢得了广泛认可。 亮点提要： ?? Vercel v0 iOS版正式推出，为移动开发者带来全新构建体验。 ?? 利用自然语言提示生成全栈Web应用，提升开发效率。 ?? 现已开放候补名单注册，欢迎开发者抢先体验。 详情入口： ?? https://v0.app/ios 8.理想汽车发布MindGPT 3.1智能体模型，每秒200字符输出速度提升5倍 理想汽车发布MindGPT3.1智能体模型，显著提升了AI助手的实时处理和多任务协调能力，同时在数学计算、代码编程等关键维度表现全面超越前代版本，展现了其在AI大模型领域的技术实力。 亮点提要： ?? MindGPT3.1将智能体能力深度融入大模型架构，支持边想边搜功能。 ? 每秒输出速度最高可达200个tokens，性能提升近5倍。 ?? 代码能力增强，可实现贪吃蛇游戏、弹球控制等经典编程案例。 9.AI 技术简化动漫制作流程，ToonComposer实现自动上色和生成动画 ToonComposer 是一项基于生成式 AI 技术的创新工具，能够显著简化动画制作流程。用户只需提供一张草图和一帧彩色图像，即可生成完整的卡通视频，节省高达70% 的人工工作时间。该技术还支持关键帧控制和区域控制功能，提升了创作效率。 亮点提要： ?? ToonComposer 通过生成式 AI 技术，简化了动画制作流程，用户仅需一张草图和一帧彩色图像即可生成完整动画。 ? 该系统可节省高达70% 的人工工作时间，让创作者专注于创意。 ??? 提供区域控制功能，用户可自由标记草图区域，系统会智能填充，提升创作效率。 详情入口： ?? https://lg-li.github.io/project/tooncomposer/ 10.ElevenLabs发布全新视频到音乐生成流程 ElevenLabs推出了视频到音乐生成流程和AI学生包，为内容创作者和学生提供了更高效、经济的创作工具。这些更新进一步巩固了ElevenLabs在AI音频领域的领先地位。 亮点提要： ?? 视频到音乐生成流程：基于视频内容自动生成定制化配乐。 ?? AI学生包：提供免费积分和折扣工具，支持教育领域应用。 ?? 技术与商业突破：扩展多模态能力，并推动AI音频生态升级。 ↓点击阅读原文，进AIbase官网. 阅读原文