[每周AI简讯]OpenAI推出王炸文生视频模型Sora

OpenAI 推出王炸文生视频模型 Sora#

OpenAI 宣布推出名为 Sora 的新型文本到视频模型。Sora 能根据用户的文本提示，生成长达一分钟的逼真视频。它可以创造出细节丰富的场景、复杂的摄影机运动以及表情丰富的多个角色。Sora 是一种扩散模型，能从类似静态噪声的序列开始，通过多次迭代去除噪声，制作完整视频。Sora 目前小范围开放给 AI 专家，以测试其安全性，未对公众开放。

Google 推出 Gemini 1.5 模型#

Google 推出新的 Gemini 1.5 模型，以对抗 OpenAI 的 GPT 4 Turbo。这款模型采用新的专家混合（MoE）架构，提升了计算效率，能以较低的计算功率运行。Gemini 1.5 Pro 拥有 128,000 个令牌的标准上下文窗口，并为部分用户和企业客户提供高达 100 万令牌的上下文窗口。此外，该模型在处理大型数据集方面表现出色，如一小时视频、11 小时音频、超过 30,000 行代码的代码库或超过 700,000 字的文档。Gemini 1.5 Pro 还通过了 “海底捞针” 测试，显示出在大型数据集中准确检索文本的能力。

Stability AI 发布图像生成模型 Stable Cascade#

Stability AI 推出了新型图像生成模型 Stable Cascade，这是开源模型 Stable Diffusion 的继任者。Stable Cascade 拥有多种新特性，如改变已创建图像、提高现有图像分辨率、内部填充和外部延伸。它使用三种基于 Würstchen 架构的大型语言模型，分阶段处理文本提示，并将其转换为紧凑的代码片段，进而生成图像。与 Stable Diffusion 相比，它能在更短的时间内（仅需 10 秒）生成图像，而且更准确、更吸引人。

OpenAI 推出新型网络搜索产品，挑战 Google#

OpenAI 正在开发一款新型网络搜索引擎产品，旨在挑战 Google 在搜索引擎市场的地位。这款产品可能部分依赖于 Microsoft 的 Bing 搜索引擎，考虑到 Microsoft 是 OpenAI 的最大投资者。目前，OpenAI 的 ChatGPT 通过提炼网页内容为约 100 字的摘要来进行网络搜索，但这种方式在捕捉页面完整信息方面存在性能慢和不可靠的问题。OpenAI 正考虑推出专门的搜索服务，以实现更快速、更准确的搜索能力，可能成为 Google 先进的生成型 AI 搜索工具的竞争对手。此外，OpenAI 正在探索将其网络搜索技术与其他创新项目整合的可能性。

GPT-5 将更快更智能，具备多模态功能#

OpenAI 的 CEO Sam Altman 在世界政府峰会上透露，即将推出的 GPT-5 模型将比 GPT-4 在所有方面都表现更好。GPT-5 将更智能、更快速，并且可能具备多模态功能。这意味着 AI 将来可以接收更多类型的输入。Altman 强调了这款模型广泛应用性是其最迷人的特点，它在众多任务中都有细微的改进，而非仅在某单一领域突出。尽管 Altman 没有具体说明发布时间表，但他之前已经指出预测 GPT-5 将带来的进步存在挑战。此外，有传言称 GPT-5 可能被命名为 “Gobi”，它是一款正在开发中的多模态 AI 模型，预计将于 2024 年春季亮相。

Nvidia 推出可本地运行的 AI 聊天机器人 Chat with RTX#

Nvidia 推出了一款名为 Chat with RTX 的新 AI 聊天机器人，可以在设备上本地运行，无需互联网连接。这款产品面向拥有 GeForce RTX 30 系列和 40 系列显卡的用户。Chat with RTX 允许用户定制生成 AI 模型，类似于 OpenAI 的 ChatGPT，可以与用户的文档、文件和笔记集成以检索信息。此外，它支持 Mistral 的开源 AI 模型和 Meta 的大型语言模型 Llama 2。Chat with RTX 能处理多种文件格式，包括文本、PDF、.doc、.docx 和 .xml，甚至可以导入 YouTube 播放列表的视频转录。但是，它无法像 ChatGPT 那样保留上下文信息，这可能限制了其某些用途的有效性。

本作品采用《CC 协议》，转载必须注明作者和本文链接