【1】Domo AI推出v2v真实模型

【2】讯飞星火浏览器插件新升级

【3】Hume AI发布语音引擎OCTAVE

【4】南洋理工大学推出超分技术InvSR

【5】腾讯推出ColorFlow

【6】OpenAI正式发布o3模型

【7】Krea AI上线自定义功能

【8】支付宝面向商家营销推出AI创意生成服务

【9】可灵1.6版本提升物理规律真实感

【10】Google推出AI生图工具Whisk

1.Domo AI推出v2v真实模型

Domo AI推出v2v真实模型，可以进行反向操作，将动漫类型的视频转换成真人视频，还可以通过Prompt将视频里的对象转成别的真实事物，如将一个圣诞老人转成一只圣诞兔子，功能类似于Runway推出的Act one功能。

2.讯飞星火浏览器插件新升级

讯飞星火对其浏览器插件进行升级，增加了多项AI能力。集成了讯飞星火V4.0底层能力，兼容Chrome、Edge等主流浏览器。新增“继续提问”功能，随时深入讨论，获取高质量答案；实现网页全局对照翻译；新增“一键朗读”功能，实现边听边看；支持句子、段落总结。

3.Hume AI发布语音引擎OCTAVE

Hume AI推出OCTAVE的文本与语音引擎，该引擎能够通过简单的文本描述一段5秒的语音录音，生成或克隆出逼真的语音和人格特质。不仅能够生成自然的语音，还能精确地模仿说话者的性别、年龄、口音、情绪语调及职业特定的说话风格，能够在毫秒级别内完成语音生成，实现了真正的实时对话，并且还允许用户实时动态地调整生成内容。

4.南洋理工大学推出超分技术InvSR

南洋理工大学的研究团队发布图像超分辨率(SR)技术，该技术基于扩散反演(Diffusion Inversion)，通过充分利用大型预训练扩散模型中的图像先验信息，提升图像的分辨率和清晰度。与现有的超分辨率方法相比，这项技术具有更加灵活高效的采样机制，可以支持从一个到五个任意数量的采样步骤。

5.腾讯推出ColorFlow

清华大学与腾讯ARC实验室的研究团队推出ColorFlow的新型图像序列上色模型。解决了在黑白图像序列上色的同时，保持角色和物体身份一致性的问题，能够利用上下文信息，通过参考图像池为黑白图像序列准确生成颜色。与以往需要针对每个角色进行微调的技术不同，ColorFlow通过具备泛化能力的检索增强上色管道，简化了色彩生成的过程。

6.OpenAI正式发布o3模型

OpenAI在第十二天技术直播中正式发布了o3模型，在全球著名的编码竞赛平台Codeforces中得分是2727，位于排列榜单第175名，超越了99.99%的人类。在数学竞赛AIEM2024中接近满分，在评估人工智能在高级数学推理方面能力的FrontierMath中成功率为25.2%，与之对比，GPT-4和Gemini1.5Pro的成功率不足2%。目前不知道o3什么时候放出，但是OpenAI又基于o3训练了3个小尺寸的o3模型，其中o3-mimi预估在1月底可以对外开放。

7.Krea AI上线自定义功能

AI创意工具Krea AI宣布在Krea Editor推出自定义训练功能，可以在几秒钟内将真实产品添加到任何图像中。从官方的演示视频来看，在实际操作中只需涂抹需要替换的区域，如“涂抹模特脸上的墨镜”，然后选择商品图“VR眼镜”，AI就会自动处理，将VR眼镜戴到模特脸上。用户还可以继续扩图处理，用同样的方法继续涂抹区域，选择其它商品，AI就会把商品融合到模特身上。

8.支付宝面向商家营销推出AI创意生成服务

支付宝宣布推出AI创意平台“蚂上有创意”，这是一个面向商务机构的AI营销服务。“蚂上有创意”可以为客户提供AI快速生成创意素材、营销广告智能分析等服务，还免费开放多项营销图片素材。据介绍，过去一年支付宝将AI全面应用于商业开放生态，共接入近70个业务场景，累计为生态商家机构生成8700万张AI素材。

9.可灵1.6版本提升物理规律真实感

快手旗下AI视频生成工具可灵(Kling)发布1.6版，主要在物理规律真实感、人物表演能力和语义理解水平三个核心维度提升。①对物理世界的精准演绎：在切西红柿的测试中，可灵1.6版展现出近乎专业厨师的精准操作，无论是刀具与食材的互动，还是切片的力度都非常真实。倒茶、猫咪踩沙发、狗狗奔跑等日常场景中的物理效果也更加真实；②人物表情和动作：从细微的眉头皱起到优雅的芭蕾舞姿，再到中国古典水下舞蹈，可灵1.6版都能准确捕捉人物细微的情感变化和复杂的肢体动作；③语义理解：更强的场景理解能力，无论是“摘下眼镜拥抱小鹿”这样的连续动作，还是“后退举枪”等复杂场景，都能准确理解并生成符合预期的视频内容。

10.Google推出AI生图工具Whisk

Google发布新AI工具Whisk，允许用户使用图片作为提示词生成图片。可以上传图片来指定AI生成图像的主题、场景和风格，并且可以为这三者分别使用多张图片。如果你手头没有合适的图片，可以点击骰子图标，让谷歌自动填充一些图片作为提示。Whisk还为每张生成的图片提供了文字提示。如果对结果满意，可以收藏或下载图像，如果想要进一步优化，可以在文本框中添加更多文字，或直接点击图像编辑文字提示。

感谢阅读，转载请注明出处，违者必究，谢谢您的合作。申请转载授权后台回复【转载】。也欢迎加入MEUX,交互/视觉/用研，可投简历至meux-talent@baidu.com  (注明信息获取来源如：UI中国）

关于我们：
MEUX,百度移动生态用户体验设计中心，负责百度移动生态体系的用户/商业产品的全链路体验设计。服务的产品包括百度APP、百度搜索、百度百科、百度贴吧、百度商业产品等。MEUX以「简单极致」为设计理念，创造极致用户体验的同时赋能商业，推动设计行业的价值和影响力，让生活因设计而更美好。

Powered by Froala Editor