AI日报：Kimi发布多模态图片理解模型API；周鸿祎参演AI短剧开拍；MiniMax-01系列模型开源；星火同传语音大模型发布 关注我，记得标星??不迷路AI日报 1月15日?AIbase1、月之暗面Kimi多模态图片理解模型 API 发布 2、MiniMax开源MiniMax-01全新系列模型 3、周鸿祎参演 AI 短剧开拍，AI做特效、AI硬件齐上阵 4、阿里巴巴达摩院推出电商场景多模态大模型Valley 2 5、ChatGPT智能体来了！上线“Tasks”功能：智能处理提醒和待办事项 6、小型文本转语音模型Kokoro-TTS，曾拿下TTS排行榜第一 7、Topview AI推全球首个支持生成手拿产品的数字人Product Avatar 8、英伟达400万美投资 MetAI 几分钟将CAD文件转为3D世界 9、讯飞星火4.0 Turbo七大核心能力升级：数学、代码能力超GPT-4o 10、Gemini AI 实现视觉处理新突破：实时视频与静态图像同步分析 11、科大讯飞星火同传语音大模型发布：达到人类专家译员水平 12、OpenBMB发布多模态模型MiniCPM-o2.6 手机也能进行视觉和语音处理 1.月之暗面Kimi多模态图片理解模型 API 发布 北京月之暗面科技有限公司正式发布了全新多模态图片理解模型moonshot-v1-vision-preview，该模型在原有moonshot-v1系列的基础上进一步增强了多模态能力，旨在帮助Kimi更好地理解世界。该Vision模型具备卓越的图像识别能力，能够识别复杂细节并区分相似对象，表现出色，尤其在OCR文字识别和图像理解方面，超越传统软件的准确性。 亮点提要： ??? Vision模型具备强大的图像识别能力，能够准确区分复杂细节和相似对象。 ?? 在OCR文字识别和图像理解方面表现优异，识别潦草手写内容的能力超越普通软件。 ?? 模型支持多轮对话和工具调用等特性，使用灵活，但不支持联网搜索。 2.MiniMax开源MiniMax-01全新系列模型 MiniMax于1月15日发布了其全新开源系列模型MiniMax-01，包含基础语言模型MiniMax-Text-01和视觉多模态模型MiniMax-VL-01。该系列通过创新的线性注意力机制和超大参数量，实现了高效的长文本处理，性能与国际顶尖模型相当。 亮点提要： ?? MiniMax-01系列模型采用创新的线性注意力机制，打破传统架构局限，支持长达400万token的上下文处理。 ?? 该系列模型在多项任务上追平了GPT-4o和Claude-3.5-Sonnet，尤其在长文任务中表现优异。 ?? MiniMax以业内最低价格提供文本和多模态理解API服务，标准定价为输入token1元/百万token，输出token8元/百万token。 详情入口： ?? https://github.com/MiniMax-AI 3.周鸿祎参演 AI 短剧开拍，AI做特效、AI硬件齐上阵 周鸿祎宣布参与拍摄国内首部AI短剧，该剧将在西安开机，计划于春节期间上线。短剧以穿越为主题，预计60集，旨在传递正能量并避免狗血剧情。周鸿祎希望通过短剧展示AI技术，促进其在日常生活中的普及，同时推动360的纳米AI搜索产品的发展。 亮点提要： ?? 短剧将在西安开机，计划春节上线，主题为穿越，预计60集。 ?? 特效画面由纳米AI搜索生成，降低拍摄成本，提升视觉效果。 ?? 旨在普及AI知识，助力每个人掌握AI技术，消除数字鸿沟。 4.阿里巴巴达摩院推出电商场景多模态大模型Valley 2 阿里巴巴达摩院推出的Valley2是一款多模态大型语言模型，专为电商场景设计，旨在提升各领域的性能并拓展应用边界。该模型结合了先进的视觉编码器和创新的处理模块，展现了在多个基准测试中的卓越表现，标志着多模态语言模型的重大进展。 亮点提要： ?? Valley2基于电商场景设计，采用Qwen2.5作为主干，结合SigLIP-384视觉编码器，提升多模态处理能力。 ?? 训练过程包括文本-视觉对齐和链式思维后训练，确保模型在复杂问题解决中的高效性。 ?? 在多个公开基准测试中，Valley2表现卓越，尤其在电商领域的应用中超越同规模模型。 详情入口： ?? https://www.modelscope.cn/models/bytedance-research/Valley-Eagle-7B 5.ChatGPT智能体来了！上线“Tasks”功能：智能处理提醒和待办事项 OpenAI最近推出了ChatGPT的新功能“任务”，允许用户安排未来的操作和提醒，使其更像传统数字助理。该功能现已向Plus、Team和Pro订阅用户推送，用户可以简单地输入任务及时间，ChatGPT将处理这些需求。 亮点提要： ? 新功能“任务”允许用户安排未来的操作和提醒，提升ChatGPT的实用性。 ?? 用户可通过简单输入告知ChatGPT所需任务及时间，轻松管理日常事务。 ?? 当前仅向付费用户推出，尚不明确是否会面向免费用户，预计仍将是高级功能。 详情入口： ?? https://www.chinaz.com/ainews/14727.shtml 6.小型文本转语音模型Kokoro-TTS，曾拿下TTS排行榜第一 Kokoro是一款新发布的语音合成模型，具有8200万参数，迅速在TTS领域崭露头角。其在Hugging Face平台上发布后，凭借仅用不到100小时的音频数据，便在排行榜上夺得第一，展现了超高的性价比。 亮点提要： ?? Kokoro-82M 是一款新发布的语音合成模型，具有8200万参数，支持多种语音包。 ?? 该模型在 TTS 领域表现卓越，曾在排行榜上排名 第一 ，仅用不到100小时的音频数据进行训练。 ?? Kokoro 模型的训练采用了开放许可证的数据，确保合规性，但目前仍存在一些功能限制。 详情入口： ?? https://huggingface.co/hexgrad/Kokoro-82M 7.Topview AI推全球首个支持生成手拿产品的数字人Product Avatar Topview AI推出的“Product Avatar”数字人解决方案，商家只需上传产品图片，AI便能生成手持产品的数字人并进行口播讲解，极大地节省了拍摄时间和成本。该产品还支持多种语言和个性化定制，标志着电商营销进入AI驱动的新阶段。 亮点提要： ?? AI数字人可快速生成，无需真人模特，节省时间和成本。 ?? 支持1000多种数字人模特和28种语言，满足全球市场需求。 ?? 灵活高效的产品展示模式，商家可随时更换产品，提升推广效率。 详情入口： ?? https://www.topview.ai/ai-product-avatar 8.英伟达400万美投资 MetAI 几分钟将CAD文件转为3D世界 Nvidia最近对初创公司MetAI进行了400万美元的种子轮融资，旨在推动AI数字双胞胎技术的发展。MetAI专注于利用AI和3D技术迅速将CAD文件转换为功能性3D环境，大幅缩短数字双胞胎的创建时间。 亮点提要： ?? Nvidia投资400万美元于初创公司MetAI，推动AI数字双胞胎技术发展。 ?? MetAI利用AI和3D技术将CAD文件快速转换为功能性3D环境，缩短数字双胞胎创建时间。 ?? MetAI计划在2025年将总部迁至美国，并扩大研发团队以应对日益增长的市场需求。 9.讯飞星火4.0 Turbo七大核心能力升级：数学、代码能力超GPT-4o 讯飞星火4.0Turbo的全面升级标志着科大讯飞在人工智能领域的又一重大突破。此次升级不仅在文本生成、语言理解等七大核心能力上实现了显著提升，更在数学和代码能力方面超越了GPT-4o，尤其是在复杂数学问题的处理上展现出更强的能力。 亮点提要： ?? 数学能力显著提升，超越GPT-4o，能够处理复杂数学问题。 ?? 新推出的星火深度推理模型X1，拥有1750亿参数，适用于深层次数据分析。 ?? 科大讯飞自2020年以来累计研发投入125亿元，支持AI技术的持续发展。 10.Gemini AI 实现视觉处理新突破：实时视频与静态图像同步分析 谷歌的Gemini AI最近在视觉处理领域取得了重要突破，能够同时处理实时视频和静态图像。这项技术通过实验性应用AnyChat展示，标志着人工智能在多流处理方面的进步。开发者可以利用Gemini的架构创建自定义平台，应用于教育、艺术等多个领域，展现出广泛的应用潜力。 亮点提要： ?? Gemini AI实现实时视频与静态图像的同步处理，打破以往限制。 ?? AnyChat平台展示了AI在教育、艺术等领域的广泛应用潜力。 ?? 开发者可以轻松利用Gemini的技术构建自己的视觉AI应用。 详情入口： ?? https://huggingface.co/spaces/akhaliq/anychat 11.科大讯飞星火同传语音大模型发布：达到人类专家译员水平 科大讯飞今日发布了星火同传语音大模型，显著提升了翻译的流畅性和准确性，尤其在国际交流场合中表现出色。该模型支持多种语言的即时翻译，响应时间缩短至5秒以内，达到人类专家的翻译水平，预示着未来国际交流的便捷与高效。 亮点提要： ?? 星火同传语音大模型是国内首个具备端到端语音同传能力的大模型，显著提升了翻译效果。 ?? 该模型在英译中方面几乎实现无延迟，适合国际展会和旅游等场景使用。 ? 支持流式翻译和自适应语速调节，翻译的自然度和流畅度大幅提升，超越了国际同类技术。 12.OpenBMB发布多模态模型MiniCPM-o2.6 手机也能进行视觉和语音处理 OpenBMB推出的MiniCPM-o2.6是一款具有80亿参数的多模态模型，旨在解决高计算资源需求与边缘设备兼容性之间的挑战。该模型在视觉、语音和语言处理方面表现出色，能够高效运行于智能手机和平板电脑上。 亮点提要： ?? MiniCPM-o2.6是一款具有80亿参数的多模态模型，能够在边缘设备上高效运行，支持视觉、语音和语言处理。 ?? 该模型在OpenCompass基准测试中表现优异，视觉任务成绩超过GPT-4V，并具备多语言处理能力。 ??? MiniCPM-o2.6具备实时处理、语音克隆和情感控制等功能，适用于教育、医疗等多个行业的创新应用。 详情入口： ?? https://huggingface.co/openbmb/MiniCPM-o-2_6 关于AIbase一个致力于让更多人了解并参与未来AI发展的平台 这里有最新AI资讯、100+ AI赚钱案例库、15000+AI产品库、保姆级AI工具教程 更多AI硬核内容直接访问AiBase官网，一键开启你的AGI之旅！ 官网：https://www.aibase.com/zh/tools/ ↓点击阅读原文，进AIbase官网. 阅读原文