20240702 每日AI必读资讯

🔍GPTPdf:使用类似GPT-4o的多模态LLM分析PDF文件

  • 使用类似 GPT-4o 多模态模型解析 PDF 文件,转换为 Markdown 格式。

  • 代码简洁高效,仅293行。

  • 解析结果几乎完美包括排版、数学公式、表格、图片、图表等内容。

🔗详情链接:https://github.com/CosmosShadow/gptpdf

🔗 GPTPDF:293行代码,GPT-4o颠覆PDF板式分析,每页仅需1美分!-CSDN博客

🎥炸裂!Runway Gen 3可以生成电影片头3D巨幅字幕效果了

  • Runway Gen3 可模仿漫威电影片头效果制作3D巨幅字幕效果

  • 极度稳定的光影效果,保持高质量输出,即使在高速移动场景中

  • 控制模式包括 Motion Brush、高级摄像头控制、导演模式,生成速度快,审美强大

🔗 官网地址:https://runwayml.com/blog/introducing-gen-3-alpha/

🔗 https://blink.csdn.net/details/1746276

💻Llama 3-405B 出现在 WhatsApp Android测试版客户端

  • WhatsApp正在测试 AI 对话的功能

  • 默认模型是Llama 3-70B,但是测试客户端中出现了Llama 3-405B模型。

  • Llama 3-405B模型提供有限数量的使用,达到限制后用户将回到使用默认模型。

  • 早在4月份的时候,Meta就预告了该模型,这可能是第一个 GPT-4 级别的开源模型。

🔗信息来源:https://wabetainfo.com/whatsapp-beta-for-android-2-24-14-7-whats-new/

🔊NVIDIA Broadcast: 利用 AI提升音频和视频质量

-通过AI技术自动消除背景噪音和房间回声

  • 提供背景移除、替换和模糊功能:用户可以在不需要实际绿幕或复杂灯光设置的情况下,自定义背景。

  • 自动对焦:实时动态跟踪用户的移动,自动裁剪和缩放画面。

  • 眼神接触:即使你在看其他地方时,会自动纠正让你与摄像头对视的效果。

🔗 https://blink.csdn.net/details/1746274

🚀知乎宣布推出独立AI搜索平台「知乎直答」

  • 知乎直答是基于知乎丰富问答数据开发的AI产品,提供简略和深入两种答案生成方式,支持用户快速找到所需内容或专家。

  • 产品定位为生产力工具和发现世界的连接器,帮助用户通过提问来探索世界的能力。

  • 未来计划推出App版本,引入多模态能力,与知乎社区深度融合,探索对外合作,为整个问答领域带来新的发展方向。

🔗详情链接:https://zhida.zhihu.com/

👗 AI换装黑科技 MMTryon虚拟试穿框架可按需搭配一键叠穿

  • 一键生成模特试穿效果,质量高且操作简便

  • 打破传统算法束缚,获得新SOTA,支持组合换装

  • 利用服装编码器和多模态多参考注意机制,换装更精确灵活

🔗详情链接:https://arxiv.org/abs/2405.00448

相关推荐
MSTcheng.40 分钟前
【AI应用实战】用 FastAPI + SSE 做一个自己的 AI 聊天网页:流式输出、多轮对话与完整源码
人工智能·python·大模型·fastapi·sse·ai聊天助手
世冠科技1 小时前
世冠科技GCEAgent重磅发布,开启复杂装备AI原生智能研发新范式
人工智能·科技·ai-native
轻松,带微笑1 小时前
AI竞争进入下半场:微软押注专业模型,通用大模型不再是唯一答案
人工智能·microsoft
哈尔滨张谦蛋1 小时前
兰州大学 · 甘肃省可穿戴装备重点实验室 · 2027年博士招生
人工智能·深度学习
MysTic_Zhong1 小时前
【3】核心引擎:LangGraph 编排与多路召回重排
人工智能·agent
vivo互联网技术1 小时前
研发数字人 Agent:从 0 到 1 的架构与实践
人工智能·agent·mcp
练习两年半的攻城狮1 小时前
企业级 AI Agent 架构知识点讲解(一):从知识型到业务型,从 LangGraph 到生产落地
人工智能·架构
Cosolar2 小时前
从 50ms 到 3 分钟:淘特动线 Agent 如何把 LLM 塞进一个有预算约束的实时系统
人工智能·后端·agent
Cosolar2 小时前
拆开「研发数字人」:一个 Agent 系统真正的护城河,是被结构化的判断力
人工智能·后端·架构