AI日报：Luma官方亲自下场夸自家“孩子”；日本艺术家用Luma复活妻子看哭网友；苹果AI可能要放大家“鸽子”；北大快手联合推视频生成框架VideoTetris

最近，汪峰发布了一首新歌《向天空招手的人》，这也是他为王千源主演电影《彷徨之刃》演唱的片尾曲。这首歌曲的创作灵感来自汪峰之前看过的一段母亲戴着VR眼镜在虚拟世界里和孩子相会的视频。这让汪峰深受触动，于是，汪峰便写下了这首充满柔情的《向天空招手的人》。王千源主演的《彷徨之刃》实际上是改编自日本作...

欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。

新鲜AI产品点击了解：

1、Luma 官方发视频介绍Dream Machine模型特点

我看了 关于Luma官方发布的Dream Machine模型介绍视频，感觉这款AI视频生成工具非常强大。它不仅提供高质量的视频输出，而且能够快速理解用户的提示，生成符合美学风格的视频内容。这对于创意迭代过程非常有帮助，让视频生成变得更加高效。

【AiBase提要:】

🌟 生成的视频质量高，分辨率可达1024像素。

🎨 能理解提示生成符合美学风格的视频。

⚡ 推理速度快，有利于快速迭代创意。

详情链接:https://top.aibase.com/tool/dream-machine

2、新对口型视频项目Hallo发布 可对表情，嘴型进行精确控制

新对口型视频项目Hallo发布，通过单张图像和音频输入生成唱歌和说话的视频，实现精确控制人物表情和姿态，提升语音输入与生成动画之间的对齐精度。该技术不仅可用于虚拟角色动画生成，还可应用于真实人物，支持多种运动控制，跨演员应用，以及歌唱动画生成。技术先进，动画逼真，具有广泛的应用潜力。

【AiBase提要:】

🎤 生成逼真虚拟角色动画，实现口型、表情和姿态同步

👩‍🎤 应用于真实人物，准确反映表情和动作变化

🕺 提供多种运动控制，增强动画多样性和真实性

详情链接:https://top.aibase.com/tool/hallo

3、北大快手联合推视频生成框架VideoTetris 复杂视频生成效果超越Pika

本文介绍了北京大学与快手AI团队合作攻克复杂视频生成难题，提出VideoTetris框架，成功超越商用模型Pika和Gen-2。该框架定义了组合视频生成任务，支持复杂指令和长视频生成，保留位置信息和细节特征。团队采用时空组合扩散方法，优化训练数据预处理和引入参考帧注意力机制，生成更具动感和自然的视频。

【AiBase提要:】

⭐ VideoTetris框架成功攻克复杂视频生成难题，超越商用模型Pika和Gen-2。

⭐ 定义了组合视频生成任务，支持复杂指令和长视频生成，保留位置信息和细节特征。

⭐ 采用时空组合扩散方法，优化训练数据预处理和引入参考帧注意力机制，生成更具动感和自然的视频。

详情链接:https://top.aibase.com/tool/videotetris

4、日本AI艺术家用Luma复活妻子 网友泪目

这篇文章讲述了65岁的AI艺术家松尾公也用技术复活了他逝去11年的妻子Tori-chan，感动了无数人。通过AI技术，他重新编曲、录制妻子的歌曲，制作动态视频，并提取翻译她的信件，表达对妻子的思念和爱意。这是一个普通人用技术造梦的故事，展现了爱在AI时代的力量和温度。

【AiBase提要:】

🌟 松尾公也用Luma的AI视频Dream Machine复活逝去11年的妻子Tori-chan，感动众人。

🎶 他通过AI技术重新编曲、录制妻子的歌曲，并制作动态视频，展现出对妻子的深深思念。

💖 通过AI工具提取翻译妻子写给他的信，表达出浓浓的爱意和对妻子的永恒思念。

详情链接:https://top.aibase.com/tool/luma-ai

5、清华与北大合作发布长视频理解基准测试：LVBench

本文介绍了智谱、清华大学和北京大学合作推出的长视频理解基准测试项目LVBench，旨在弥补现有多模态大型语言模型在处理长视频方面的挑战。该项目包含多类别的数小时QA数据，涵盖不同类型的视频内容，旨在推动长视频领域的技术突破和创新。许多研究机构已在LVBench数据集上展开工作，为视频理解和多模态学习领域注入新活力。

【AiBase提要:】

🔍 LVBench项目是长视频理解基准测试项目，包含多类别的数小时QA数据。

💡 LVBench数据集涵盖视频摘要、事件检测、角色识别和场景理解等多种任务。

🚀 LVBench基准的推出将推动相关技术的突破和创新，为长视频领域的发展注入新动力。

详情链接:https://github.com/THUDM/LVBench

6、网格生成模型MeshAnything：将任何3D转换为艺术家创建的网格

近期，由重建和生成创建的3D资产已经达到了手工制作资产的质量水平，凸显了它们在替代领域的潜力。MeshAnything是一种用于生成艺术家创建的3D网格的自动回归模型，通过VQ-VAE和形状条件的仅解码器变压器实现高质量的网格生成。该方法显著提高了存储、渲染和模拟效率，同时保持与以往方法相当的精度。

【AiBase提要:】

⚙️ MeshAnything使用自回归模型生成高质量的艺术家创作的3D网格。

🔍 MeshAnything的网格体提高了存储、渲染和仿真效率，同时保持精度。

🌐 MeshAnything在各个领域都有广泛的应用场景，满足不同用户的创作和需求。

详情链接:https://top.aibase.com/tool/meshanythingMeshAnything

7、哈佛神经科学家和谷歌DeepMind在虚拟老鼠中创建人工大脑

这篇文章介绍了哈佛大学研究人员与谷歌DeepMind团队合作，利用人工智能技术为虚拟老鼠创建人工"大脑"的突破性研究。他们成功建立了生物力学逼真的3D老鼠模型，并利用DeepMind的深度强化学习算法训练了一个人工神经网络大脑，实现了超越真实的模拟效果。这一创新有望为神经科学和人工智能领域带来革命性进展。

【AiBase提要:】

🧠 虚拟老鼠拥有人工"大脑"，能在复杂环境中精确控制运动

🔬 利用DeepMind算法训练的人工神经网络大脑能产生各种复杂运动轨迹和力量

🤖 未来应用前景广阔，可能开创"虚拟神经科学"新领域，为神经系统疾病治疗带来新策略

8、麦当劳宣布结束与 IBM 的 AI 得来速订购合作

麦当劳宣布结束与 IBM 的 AI 得来速订购合作，将在2024年7月26日前移除在100多家餐厅中测试的技术。尽管目前尚不清楚麦当劳为何结束与 IBM 的合作，但该公司表示正在测试语音接单聊天机器人是否能加快服务速度，并对测试结果表示自信。餐饮行业普遍渴望引入 AI 技术来提升效率。

【AiBase提要:】

🍔 麦当劳将结束与 IBM 的 AI 得来速订购合作，将移除在100多家餐厅中测试的技术

🤖 麦当劳正在测试语音接单聊天机器人以加快服务速度

🔮 餐饮行业普遍渴望引入 AI 技术来提升效率

9、研究：人们与ChatGPT对话五分钟，很难区分是否为人类

大型语言模型（LLMs）如 GPT-4模型在聊天平台ChatGPT展现出惊人能力，难以区分其生成的文本是否为人类所写。加州大学圣迭戈分校研究发现，人们与GPT-4对话时很难分辨其是否为人类，展示出机器展现人类智能的程度。

【AiBase提要:】

🔍 GPT-4模型在研究中展现出与人类难以区分的对话能力。

💡 研究结果显示约50%的互动中人们误认为GPT-4是人类。

🎮 设计了名为"人还是不是人"的在线游戏，揭示人们难以可靠判断与人类还是AI系统交谈的区别。

10、多模态模型的画布框架Sketchpad：提升多模态模型数学能力

这篇文章介绍了研究人员引入的“Sketchpad”概念，为多模态LM提供了视觉画板和绘图工具，使其能够进行视觉推理。通过实验结果显示，Sketchpad显著提高了LM在数学任务和复杂的视觉推理任务上的表现，进一步接近人类的思维方式，为人工智能技术的发展开辟了新的可能性。

【AiBase提要:】

🎨 Sketchpad为多模态LM提供视觉画板和绘图工具，使其能进行视觉推理。

🔍 实验结果显示，Sketchpad显著提高了LM在数学任务和复杂的视觉推理任务上的表现。

🚀 Sketchpad使得GPT-4o在所有任务上创下了新的技术水平，包括V*Bench、BLINK空间推理和视觉对应。

详情链接:https://top.aibase.com/tool/visual-sketchpad