🔍 技术特点: DreamTalk利用扩散模型生成高质量动画，实现逼真嘴唇动作和丰富表情，支持多语言同步，可用于不同场景和环境。
在实验中，VCoder与开源的多模态LLMs（如MiniGPT-4、InstructBLIP、LLaVA-1.5和CogVLM）进行了比较，并在COST验证集上进行了测试。实验结果表明，VCoder在对象识别任务中表现最佳，特别是在对象计数和识别方面优于基线模型。在处理复杂场景中的对象计数和识别任务时，VCoder展现出更高的准确性，尤其是在场景中有许多实体时。
1. 🧠英特尔与DigitalBridge合作推出新的企业级通用人工智能软件公司Articul8。
据悉，M2UGen采用了创新的方法，生成了大规模的多模态音乐指导数据集，用于训练模型。这包括MU-LLaMA模型生成的1.2k多小时音乐字幕数据集。模型结合了MU-LLaMA、BLIP图像字幕模型、MPT-7B-Chat模型以及VideoMAE字幕模型，以在各个领域生成对应的指导。
快科技2024年1月1日消息，据媒体报道，在2023年，英伟达创始人兼首席执行官黄仁勋的身价飙升至440亿美元（约合3132.8亿元人民币）。