AI日报：阿里通义千问登顶全球开源模型榜首；MiniMax推Speech-02语音模型；​ChatGPT付费用户激增至2000万 AI日报 4月2日?AIbase1、阿里通义千问 Qwen2.5-Omni 登顶全球开源模型榜单 2、MiniMax Audio推Speech-02语音模型，一次性可以输入20万字符 3、赚麻了！ChatGPT付费用户激增至2000万，年化营收增长30% 4、ElevenLabs发布全球首款犬类AI文本转语音模型“Text To Bark” 5、还在为处理多图发愁？腾讯元宝更新，多图上传+智能处理一键搞定 6、EasyControl_Ghibli模型上线：免费解锁吉卜力风格图像生成 7、飞桨3.0正式发布，支持文心4.5等大模型，跨芯片适配成本降80 8、Krea整合Gemini文字生图与图像编辑功能：Chat界面迎来实用性飞跃 9、腾讯发布GeometryCrafter：用AI解锁开放世界视频的几何一致性之美 10、Meta推AI系统MoCha：文字秒变生动动画角色，口型动作自然流畅 11、GPT-4.5首度以“人格扮演”通过图灵测试：AI对话能力迈向新高度 12、OpenAI 悄悄上线 OpenAI 学院，免费提供 AI 教育资源 1.阿里通义千问 Qwen2.5-Omni 登顶全球开源模型榜单 Hugging Face发布了最新的大模型榜单，阿里巴巴的Qwen2.5-Omni凭借其卓越的性能和多模态能力，成功登顶，成为全球开源模型的领军者。 亮点提要： ?? Qwen2.5-Omni成为全球开源模型榜单第一，展现强大性能和多模态能力。 ?? DeepSeek-V3-0324和SpatialLM-Llama-1B紧随其后，为开发者提供更多选择。 ?? 阿里通义千问已开源200款模型，推动AI技术的普及和应用。 2.MiniMax Audio推Speech-02语音模型，一次性可以输入20万字符 MiniMax Audio最近推出了全新的Speech-02系列语音模型，支持超过30种语言，且一次性可输入多达20万字符。新模型不仅在语音合成的自然度上达到了99%的人声相似度，还解决了音频播放中的节奏故障问题，确保了流畅的听感。 亮点提要： ?? Speech-02系列支持30多种语言，语音相似度高达99%，提供自然流畅的音频体验。 ?? 新增的“Read Anything”功能允许用户上传文件或粘贴URL，随时收听各类内容。 ?? “Long-Text Mode”支持一次性输入20万字符，便捷处理长文本，适合音频书籍和播客制作。 详情入口： ?? https://www.minimax.io/audio 3.赚麻了！ChatGPT付费用户激增至2000万，年化营收增长30% OpenAI的ChatGPT在短短三个月内付费用户数量突破2000万，年化营收增长近30%，显示出用户对这一人工智能工具的强烈需求。尽管付费用户比例略有下降，但每周活跃用户已达到5亿。 亮点提要： ?? ChatGPT的付费用户已突破2000万，年化营收增长30%。 ?? OpenAI计划融资400亿美元，仍在追求盈利之路。 ?? 竞争对手Gemini、Claude和Grok正在迅速增长，市场竞争日益加剧。 4.ElevenLabs发布全球首款犬类AI文本转语音模型“Text To Bark” ElevenLabs推出了全球首款专为犬类设计的AI文本转语音模型“Text To Bark”，该技术能够将人类输入的文字转化为高度逼真的狗吠声，声称95%的狗无法分辨声音的来源。这一创新为人类与宠物之间的沟通提供了新的可能性，尽管狗可能仍无法理解具体意图。 亮点提要： ?????“Text To Bark”模型可将文字转化为狗吠声，声称95%的狗无法分辨其真实性。 ?? 用户可选择犬种并调整吠声的语气和节奏，适应不同场景需求。 ?? ElevenLabs计划将该技术扩展至其他动物，探索多模态交互系统。 详情入口： ?? https://top.aibase.com/tool/text-to-bark 5.还在为处理多图发愁？腾讯元宝更新，多图上传+智能处理一键搞定 腾讯元宝最近进行了重大的功能升级，特别是在图像识别方面的能力得到了显著增强。用户现在可以一次性上传多达10张图片，无论是使用混元还是DeepSeek模型，均可实现连贯的识图与理解。这一功能在实际应用中展现出极高的实用性，能够帮助用户快速提炼信息、生成文案，甚至将草图转化为网页demo。 亮点提要： ?? 支持一次性上传10张图片，提升图像识别效率。 ?? 结合混元多模态理解能力，提供连贯的内容分析与文案生成。 ?? 多平台全面支持，包括手机版、电脑版和网页版，操作便捷。 6.EasyControl_Ghibli模型上线：免费解锁吉卜力风格图像生成 EasyControl_Ghibli模型的上线为用户提供了一个免费的工具，可以轻松生成吉卜力风格的图像。它突破了传统AI图像生成的限制，让普通用户也能参与到艺术创作中，体验到科技带来的乐趣与温暖。尽管模型仍有成长空间，但其开源特性和易用性为教育、娱乐和个人表达开辟了新的可能性，展现了AI技术的潜力与魅力。 亮点提要： ?? EasyControl_Ghibli模型在Hugging Face平台上线，用户可免费生成吉卜力风格图像。 ??? 该模型基于100张真实亚洲面孔的照片训练，能够捕捉吉卜力作品的光影与情感。 ?? 模型的开源特性和易用性使得普通用户能够轻松参与艺术创作，拉近人与人之间的距离。 详情入口： ?? https://top.aibase.com/tool/easycontrol-ghibli 7.飞桨3.0正式发布，支持文心4.5等大模型，跨芯片适配成本降80 百度旗下的深度学习平台飞桨最近推出了其新一代框架3.0，标志着深度学习领域的一次重要技术革新。该框架通过引入五大核心技术创新，如动静统一自动并行，飞桨3.0支持多款主流大模型，并实现了跨芯片的无缝迁移，硬件适配成本降低了80%。 亮点提要： ?? 飞桨框架3.0引入五大核心技术创新，降低大模型开发和训练成本。 ?? 通过优化的DeepSeek-R1单机部署，吞吐量提升高达一倍。 ?? 支持60余款主流芯片，实现跨芯片无缝迁移，适配成本降80%。 8.Krea整合Gemini文字生图与图像编辑功能：Chat界面迎来实用性飞跃 Krea最近与Google Gemini的深度整合，成功引入文字生成图像和图像编辑功能，极大提升了平台的生成能力和用户体验。这一更新使Krea Chat界面从简单的对话工具转变为一个综合创作平台，能够快速生成和编辑视觉内容，降低了创作门槛。 亮点提要： ??? Krea与Google Gemini整合，推出文字生成图像及图像编辑功能，提升用户体验。 ?? 用户可通过自然语言描述快速生成和编辑图像，降低创作门槛。 ?? 此次更新有望缩短创意产业从概念到成品的周期，推动团队创作效率。 9.腾讯发布GeometryCrafter：用AI解锁开放世界视频的几何一致性之美 腾讯近期推出的GeometryCrafter模型在开放世界视频的几何估计方面取得了重大突破，利用扩散先验技术，成功实现了动态视频内容的深度理解和处理。该模型能够在无需额外信息的情况下，提取并生成一致的几何信息，填补了该领域的空白。 亮点提要： ?? GeometryCrafter通过扩散先验技术实现开放世界视频的一致性几何估计，提升了视频内容的深度理解能力。 ?? 该模型能够在无需相机位姿或光流数据的情况下，生成细腻且连贯的深度序列和几何结构，填补了行业空白。 ?? 腾讯选择在Hugging Face上开源模型代码，推动AI技术的普惠化，让更多创作者参与到技术探索中。 详情入口： ?? https://huggingface.co/papers/2504.01016 10.Meta推AI系统MoCha：文字秒变生动动画角色，口型动作自然流畅 Meta与滑铁卢大学的研究团队联合推出的MoCha AI系统，通过文本描述生成全身动画角色，具有同步语音和自然动作的能力。这一技术的推出标志着内容创作的效率和表现力将得到显著提升，尤其是在数字助理、虚拟化身等领域展现出广泛的应用潜力。 亮点提要： ?? MoCha系统能够根据文本生成全身动画角色，具备自然动作和同步语音的能力。 ??? 通过创新的“语音-视频窗口注意力”机制，MoCha实现了更精确的唇部同步，解决了音频与视频生成中的挑战。 ?? 多角色管理系统简洁高效，用户只需定义一次角色信息，即可在不同场景中引用，提升了创作便捷性。 详情入口： ?? https://top.aibase.com/tool/mocha 11.GPT-4.5首度以“人格扮演”通过图灵测试：AI对话能力迈向新高度 加州大学圣地亚哥分校的研究显示，OpenAI的GPT-4.5在图灵测试中首次以“人格扮演”方式超越人类表现，成为最具类人对话能力的AI系统。该模型在语言自然度和情感表达上表现出色，能够灵活应对裁判的情感变化，展现出类人社交智能。 亮点提要： ?? GPT-4.5在标准图灵测试中以73%的通过率超越人类表现，成为首个真正“通过”的AI模型。 ?? 该模型展现出惊人的语言自然度和情感丰富性，能够根据裁判的语气灵活调整回答。 ?? GPT-4.5的成功源于其复杂的人格扮演机制和对话策略，推动了AI技术的应用潜力。 详情入口： ?? https://arxiv.org/pdf/2503.23674 12.OpenAI 悄悄上线 OpenAI 学院，免费提供 AI 教育资源 OpenAI 最近推出了全新的教育平台——OpenAI 学院，旨在为全球用户提供免费且高质量的人工智能学习资源。该平台涵盖从基础知识到高级技能的多种课程，适合自学者、教育工作者和开发人员。 亮点提要： ?? OpenAI 学院提供数十小时的免费学习材料，涵盖人工智能的基础知识与高级技能。 ?? 该平台面向自学者、教育工作者和开发人员开放，课程形式灵活多样，包括线上和线下活动。 ?? OpenAI 学院的推出标志着公司在教育和知识传播领域的积极角色，旨在降低AI学习的门槛。 详情入口： ?? https://academy.openai.com/?continueFlag=bc9fbeae4c35e24ba47bde4cf390e735 ↓点击阅读原文，进AIbase官网. 阅读原文