开源数字人实时对话：形象可自定义，支持语音输入，对话首包延迟可低至3s｜已上线阿里ModelScope魔搭社区
开源数字人实时对话：形象可自定义，支持语音输入，对话首包延迟可低至3s｜已上线阿里ModelScope魔搭社区开源数字人实时对话Demo来了～
来自主题: AI技术研报
7020 点击 2024-10-23 14:53
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
开源数字人实时对话Demo来了～
视频多模态大模型（LMMs）的发展受限于从网络获取大量高质量视频数据。为解决这一问题，我们提出了一种替代方法，创建一个专为视频指令跟随任务设计的高质量合成数据集，名为 LLaVA-Video-178K。
现在正是「文本生视频」赛道百花齐放的时代，而且其应用场景非常多，比如生成创意视频内容、创建游戏场景、制作动画和电影。
现在，人人皆导演，正在成为现实！
这是由潞晨 Video Ocean 生成的黑白电影片段，全新升级的模型现已正式上线，任意角色任意风格，并带来三大突破性功能 —— 文生视频、图生视频、角色生视频，解锁创意的无限可能。
刚刚，智谱把清影背后的图生视频模型CogVideoX-5B-I2V给开源了！（在线可玩） 一起开源的还有它的标注模型cogvlm2-llama3-caption。
前几天 MiniMax 发布了海螺视频生成模型 abab-video-1，现场体验非常炸裂。很多朋友跑来问我，这个海螺视频模型和可灵的区别主要是什么？于是我做了一个短片，来从六个维度展现这两个视频模型的不同之处。一句话总结海螺视频就是：美学升级，运镜加分，表情丰富，文字突出。
两天前， 国内 AI 独角兽 MiniMax 重磅发布的视频生成模型video-01，因其能够生成超逼真的人类视频，特别是在手部动作的精准模拟方面表现卓越，迅速引起了业界的广泛关注。这款 AI 工具的问世标志着生成式 AI 领域的又一次重要突破。但它到底表现如何呢？
近日，开源社区又迎来一款强力的「视频生成」工作，可以在消费级显卡 (如 GeForce RTX 3090) 上生成任意分辨率、任意宽高比、不同风格、不同运动幅度的视频，其衍生模型还能够完成视频扩展、视频回溯的功能…… 这便是 360AI 团队和中山大学联合研发的 FancyVideo，一种基于 UNet 架构的视频生成模型。
视频时代需要自己的基础设施。VideoSys 的目标是使视频生成对于每个人而言都简便、迅速且成本低廉。