AI日报：小屳忿源首个原生端到端语音大模型；通义万相Wan2.2-Animate正式开源；腾讯混元3D Studio 震撼登场 AI日报 9月19日?AIbase1、小米开源首个原生端到端语音大模型 Xiaomi-MiMo-Audio 2、通义万相全新动作生成模型Wan2.2-Animate正式开源 3、Suno v5音乐模型即将登场，AI音乐创作迎来“变革性”升级 4、生数科技获数亿元融资，视频生成引领AI商业化新潮流 5、OpenAI 修复 ChatGPT 漏洞，防止用户 Gmail 数据被盗取 6、谷歌在 Chrome 浏览器中引入 Gemini，助力智能搜索新体验 7、Luma AI发布Ray3：以“推理”能力革新视频生成，支持16位色深 8、法国AI公司Mistral重磅推出开源推理模型 Magistral Small 1.2 9、Notion重磅发布AI智能体！自动生成会议笔记、竞品分析，20分钟处理数百页文档 10、腾讯混元3D Studio 震撼登场:3D 创作从天级提速至分钟级 1.小米开源首个原生端到端语音大模型 Xiaomi-MiMo-Audio 小米公司宣布开源其首个原生端到端语音大模型 Xiaomi-MiMo-Audio，标志着语音技术领域的重大突破。该模型基于创新的预训练架构和上亿小时的训练数据，在少样本泛化能力方面表现出色，并在多个评测基准中超越了其他闭源模型。 亮点提要： ?? 首次实现语音领域基于In-Context Learning的少样本泛化能力。 ?? 在音频理解基准 MMAU 和 Big Bench Audio S2T 任务中超越了 Google 和 OpenAI 的闭源模型。 ?? 开源完整的语音预训练方案，包括 Tokenizer、模型结构、训练方法和评测体系。 详情入口： ?? https://huggingface.co/XiaomiMiMo/MiMo-Audio-7B-Instruct 2.通义万相全新动作生成模型Wan2.2-Animate正式开源 通义万相团队推出的全新动作生成模型 Wan2.2-Animate 在人物一致性、生成质量等方面有显著提升，支持动作模仿和角色扮演两种模式，广泛应用于短视频创作、动漫制作等领域。 亮点提要： ?? 输入角色图片和参考视频，模型可将视频动作迁移到图片角色中。 ?? 在角色扮演模式下，模型可替换视频中的角色为图片角色。 ??? 模型设计了独立的光照融合 LoRA，保证光照效果完美融合。 详情入口： ?? https://github.com/Wan-Video/Wan2.2 3.Suno v5音乐模型即将登场，AI音乐创作迎来“变革性”升级 Suno的v5音乐模型即将发布，被视为AI音乐创作的里程碑，预计将进一步模糊人类作曲与机器生成的界限。 亮点提要： ?? Suno v5音乐模型即将推出，引发全球关注。 ?? v5将引入更先进的语义控制和多模态输入功能。 ?? v4.5上线后，用户生成作品播放量突破数亿次。 4.生数科技获数亿元融资，视频生成引领AI商业化新潮流 生数科技在多模态AI领域取得显著进展，成功获得数亿元融资，并通过Vidu视频大模型实现了商业化的成功。未来，视频生成技术有望进一步发展并影响多个行业，但同时也需应对版权和虚假信息等问题。 亮点提要： ?? 生数科技完成数亿元A轮融资，多模态AI领域迎来新突破。 ?? Vidu视频大模型实现2000万美元年收入，商业化应用广泛。 ?? 视频生成技术将改变全球数字内容生产方式，面临版权治理等挑战。 5.OpenAI 修复 ChatGPT 漏洞，防止用户 Gmail 数据被盗取 文章指出，网络安全公司 Radware 发现了 ChatGPT 的“深度研究”功能存在严重漏洞，可能被黑客利用来窃取用户的 Gmail 邮件数据。该漏洞允许黑客通过特制邮件诱导 ChatGPT 在处理用户 Gmail 查询时，将敏感信息发送到恶意网站。 亮点提要： ?? ChatGPT 漏洞允许黑客通过特制邮件窃取用户 Gmail 数据。 ?? OpenAI 迅速修复漏洞，并确认其对用户信息安全的重视。 ??? 常规安全防护难以检测此类攻击，用户需保持警惕。 6.谷歌在 Chrome 浏览器中引入 Gemini，助力智能搜索新体验 谷歌将 Gemini 集成到 Chrome 浏览器中，以增强用户体验并应对竞争压力。Gemini 支持跨选项卡工作、任务安排等功能，并与谷歌的多个应用深度整合。企业用户也将受益于数据保护和代理功能。 亮点提要： ?? 谷歌在 Chrome 中整合 Gemini，提升用户智能搜索体验。 ?? Gemini 支持用户理解网页内容，跨选项卡工作和安排任务。 ?? 企业用户也将享受 Gemini 带来的数据保护和代理功能。 7.Luma AI发布Ray3：以“推理”能力革新视频生成，支持16位色深 Luma AI推出的Ray3视频生成模型凭借其HDR能力和强大的“推理”功能，为视频创作带来了革命性的变化，同时支持高精度的视觉控制和专业工作流程整合。 亮点提要： ?? Ray3支持生成10位、12位乃至16位色深的视频，并可导出为EXR文件格式，便于专业工作流程使用。 ?? Ray3具备“推理”能力，能理解复杂指令并自我评估输出质量，实现视频迭代优化。 ??? 用户可通过图像绘制草图控制视频内容，提供前所未有的创作自由度。 8.法国AI公司Mistral重磅推出开源推理模型 Magistral Small 1.2 法国公司 Mistral AI 推出了其最新开源推理模型 Magistral Small 1.2，该模型拥有24B参数，并以 Apache2.0 开源许可方式发布。新版本支持高达128k的上下文处理，引入了[THINK]特殊token，增强了模型的表现力和灵活性。同时，Magistral Small 1.2还增加了视觉编码器，兼容多种框架，为开发者提供了更多便利。 亮点提要： ?? Magistral Small 1.2 是一款具有24B参数的开源推理模型，采用 Apache2.0 许可协议发布。 ?? 新版本引入了[THINK]特殊token，提升了模型的表现力和灵活性。 ??? 增加了视觉编码器，使其在图像和文本综合任务中更具优势。 9.Notion重磅发布AI智能体！自动生成会议笔记、竞品分析，20分钟处理数百页文档 Notion推出了首个AI智能体，能够利用用户所有Notion页面和数据库作为上下文，自动生成会议笔记、分析报告、竞品评估等。该智能体功能强大，可创建或更新页面和数据库，并支持从外部平台触发操作。个性化设置是其亮点，用户可以为智能体设置档案页面，指导其如何引用来源、输出风格等。 亮点提要： ?? AI智能体能自动生成会议笔记、分析报告和竞品评估。 ?? 支持从外部平台（如Slack、邮件和Google Drive）触发智能体操作。 ?? 用户可自定义智能体的档案页面，指导其行为和输出风格。 10.腾讯混元3D Studio 震撼登场:3D 创作从天级提速至分钟级 腾讯混元3D Studio的发布标志着3D创作效率的革命性提升，为设计师、游戏开发者和建模师提供了强大的AI工作台，显著缩短了3D资产生产周期。 亮点提要： ?? 原生3D分割算法实现模型部件的自动拆分，支持独立编辑角色配饰和服装。 ?? AI语义UV展开技术在1-2分钟内生成符合美术标准的UV图，提升工作效率。 ?? 智能材质编辑支持通过文本或图片输入生成高质量PBR质感纹理，实现精准材质控制。 详情入口： ?? https://3d.hunyuan.tencent.com/studio ↓点击阅读原文，进AIbase官网. 阅读原文