近期，生成式人工智能（AIGC）領(lǐng)域又涌現(xiàn)出多款創(chuàng)意十足的新應(yīng)用。
今天，鈦媒體AGI梳理了免費(fèi) AI “神器”系列第六彈，共五款，其中不少產(chǎn)品再一次拓寬了我們對AI的想象力。
繼OpenAI發(fā)布的視頻生成模型Sora風(fēng)靡全球之后，AI 文生圖和視頻領(lǐng)域競爭加速，行業(yè)“鼻祖”、生成式 AI 技術(shù)公司Stability AI 2月22日-23日連續(xù)推出三款新產(chǎn)品：Stable Diffusion 3、Stable Video、Creative Upscaler，迎戰(zhàn)Sora。
產(chǎn)品信息：首先，Stable Diffusion 3是目前全球最強(qiáng)大的文生圖模型，生圖質(zhì)量有很大改進(jìn)，支持多主題提示，參數(shù)量從 800M 到 8B 不等，支持手機(jī)、電腦等便攜式設(shè)備使用，大大降低AI大模型的使用門檻。
其次，Stable Video是基于Stable Video Diffusion技術(shù)推出的 AI 視頻生成平臺，支持生成高質(zhì)量視頻，新增了鏡頭控制等功能，用戶可以通過該工具快速創(chuàng)建高質(zhì)量的視頻內(nèi)容，無需專業(yè)技能和復(fù)雜的軟件，隨時(shí)用 AI 生成視頻。
最后，Creative Upscaler是該公司新推出的 AI 圖像提升增強(qiáng)工具，可以將圖像升級到4k分辨率，并創(chuàng)造以前沒有的新細(xì)節(jié)等，從而賦予圖像新生命。
產(chǎn)品功能：Stable Diffusion 3與之前版本一致，采用了與Sora一樣的Diffusion Transformer架構(gòu)，直接生成逼真的 AI 圖片，不過目前還沒有全面開放，權(quán)重也沒有公布。團(tuán)隊(duì)提到，他們正在采取一些安全措施，防止不法分子濫用。想要嘗鮮的用戶可以通過https://stability.ai/stablediffusion3申請。
Stable Video支持基于 AI 的圖生視頻和文生視頻，比上一代升級優(yōu)化了畫面穩(wěn)定性、運(yùn)動幅度、畫面細(xì)節(jié)處理等功能，以及新增鏡頭控制能力。如今，用戶可以將記憶轉(zhuǎn)化為動態(tài)影像，或通過文字創(chuàng)造全新的故事，可用于商業(yè)宣傳視頻、教學(xué)視頻、產(chǎn)品展示等更多場景。
Stable Video付費(fèi)方面，公測期間，用戶每日登錄都有150的積分，可免費(fèi)用來生成15個(gè)視頻，若用戶有制作大量視頻需求也可按需購買。目前主要有兩種付費(fèi)標(biāo)準(zhǔn)：一是10美元購買500積分，可制作50個(gè)視頻，二是50美元購買3000積分，可制作300個(gè)視頻。
最后是Creative Upscaler應(yīng)用工具。其擁有分辨率提升、細(xì)節(jié)創(chuàng)造、創(chuàng)造力調(diào)整、面向高質(zhì)量轉(zhuǎn)換、原始圖像保留、生命注入等獨(dú)特的 AI 技術(shù)功能。與大多數(shù)同類 AI 產(chǎn)品不同，Creative Upscaler結(jié)合文本提示和圖像，能創(chuàng)造出原本不存在的新細(xì)節(jié)，為圖像賦予新的生命和可能性。
體驗(yàn)地址：https://www.stablevideo.com/
https://creator.nightcafe.studio/stability-ai-creative-upscaler
產(chǎn)品信息：SwapStream是一款基于 AI 與云技術(shù)的實(shí)時(shí)人臉互換直播工具，用戶無需下載，可直接通過瀏覽器實(shí)現(xiàn)人臉互換直播。
產(chǎn)品功能：SwapStream可將任意人臉實(shí)時(shí)互換到直播視頻中，同時(shí)支持多個(gè)直播平臺同步，還可添加自定義RTMP直播通道等。使用簡單、擴(kuò)展性強(qiáng)，適用于各類直播場景，主要受眾人群包含需要進(jìn)行人臉互換的直播、需要快速設(shè)置直播環(huán)境的用戶以及需要擴(kuò)展直播范圍的主播等。
體驗(yàn)地址：https://www.swapstream.ai/
產(chǎn)品信息：AnyGPT是由復(fù)旦大學(xué)、上海人工智能實(shí)驗(yàn)室等機(jī)構(gòu)聯(lián)合推出的一款多模態(tài)大語言模型，該模型采用離散表示技術(shù)，通過在各模態(tài)輸入上進(jìn)行離散標(biāo)記，實(shí)現(xiàn)了多模態(tài)信息的統(tǒng)一處理。
產(chǎn)品功能：首先AnyGPT可進(jìn)行任何模態(tài)的輸入和輸出，無論是文本、圖像、音頻或是視頻都支持輸入，并可生成任何模態(tài)的輸出。
其次，AnyGPT可進(jìn)行多模態(tài)理解和生成，能從一個(gè)模態(tài)接收輸入并在另一個(gè)或多個(gè)模態(tài)中生成輸出。如它可以從文本生成音樂，從語音生成圖片等。
最后，AnyGPT可實(shí)現(xiàn)任意模態(tài)轉(zhuǎn)換，如將語音指令轉(zhuǎn)換成文本＋圖片＋音樂的響應(yīng)，或?qū)⒄Z音＋音樂轉(zhuǎn)換成圖像＋文本的響應(yīng)。
項(xiàng)目及演示地址：https://junzhan2000.github.io/AnyGPT.github.io/
產(chǎn)品信息：PixelPlayer 是一款聲畫分離模型，能通過分析大量未標(biāo)記的視頻，識別視頻中哪些區(qū)域在產(chǎn)生聲音，并將聲音分離成代表每個(gè)像素聲音的組件。該模型由麻省理工學(xué)院計(jì)算機(jī)科學(xué)與人工智能實(shí)驗(yàn)室開發(fā)。
產(chǎn)品功能：PixelPlayer 能處理和識別人們演奏不同樂器的視頻，并對單聲道音頻輸入進(jìn)行音視頻源分離和定位，最終實(shí)現(xiàn)將聲音信號分割成多個(gè)通道，每個(gè)通道對應(yīng)一個(gè)樂器類別，并能為視頻中的每個(gè)像素指定一個(gè)獨(dú)立的音頻波形。
在PixelPlayer開發(fā)團(tuán)隊(duì)的演示視頻中，點(diǎn)擊視頻上的不同聲源區(qū)域，會發(fā)出不同的聲音。
PixelPlayer為音視頻編輯、多媒體內(nèi)容制作、增強(qiáng)現(xiàn)實(shí)應(yīng)用等領(lǐng)域提供了強(qiáng)大的工具，使得獨(dú)立調(diào)整視頻中不同聲音源音量、去除或增強(qiáng)特定聲音源等操作成為可能。截至發(fā)稿，PixelPlayer在Github上已累積351顆星。
體驗(yàn)地址：http://sound-of-pixels.csail.mit.edu/
產(chǎn)品信息：Finpilot是一款由西雅圖初創(chuàng)公司Finpilot推出、專門為金融分析師設(shè)計(jì)的 AI 助手應(yīng)用，以生成式 AI 技術(shù)為核心，旨在協(xié)助金融分析師進(jìn)行研究和解答金融問題。
產(chǎn)品功能：Finpilot可幫助分析師快速搜集和分析金融數(shù)據(jù)，股票分析，編寫報(bào)告，以及進(jìn)行數(shù)據(jù)可視化。同時(shí)，F(xiàn)inpilot提供可驗(yàn)證的信息來源，保證數(shù)據(jù)研究質(zhì)量。用戶只需與Finpilot對話，即可獲取對應(yīng)的金融或財(cái)務(wù)數(shù)據(jù)，從而簡化金融分析工作流程，大幅提高工作效率。
例如，通過問答，用戶可獲取阿里巴巴、騰訊、HAL等公司分部過去五年的收入數(shù)據(jù)，以及比較SNOW、CRWD等多個(gè)公司凈留存率等。
另外，2月23日，F(xiàn)inpilot還官宣完成由Madrona領(lǐng)投的400萬美元的融資。Finpilot表示，本輪融資的資金主要用于擴(kuò)大技術(shù)團(tuán)隊(duì)和升級軟件功能，包括引入更先進(jìn)的自然語言處理技術(shù)、提高ChatGPT在金融領(lǐng)域的應(yīng)用和智能水平，以及部分用于市場推廣，以增強(qiáng)軟件在金融行業(yè)的影響力。
體驗(yàn)地址：https://www.finpilotai.com/
（本文首發(fā)鈦媒體App，作者｜章橙，編輯｜林志佳）
快報(bào)
根據(jù)《網(wǎng)絡(luò)安全法》實(shí)名制要求，請綁定手機(jī)號后發(fā)表評論