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