AI技术不断进步，谷歌推出Gemini 1.5 Pro实验版本，图像生成开源模型FLUX-1和极速3D图像生成模型Stable Fast 3D相继发布。阿里巴巴的语音合成模型CosyVoice也进行了更新，展现了人工智能技术的飞速发展及其在不同领域的应用潜力。

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针，我们致力于为你呈现AI领域的热点内容，助你洞悉技术趋势、了解创新产品应用。

新鲜AI产品：点击了解最新科技动态！

1、Google推超强多模态模型实验版本0801

- 链接: [查看详细](https://top.aibase.com/tool/gemini-pro)

- 亮点: 谷歌的Gemini 1.5 Pro在排行榜上领先GPT-4o和Claude-3.5 Sonnet，展现了强大的多模态能力和广阔的上下文窗口，这一发布引发了关于AI发展和社会影响的广泛讨论。

2、AI图像生成迎来新霸主!开源模型FLUX.1横空出世

- 链接: [查看详情](https://top.aibase.com/tool/flux)

- 亮点: FLUX.1以其强大的性能超越闭源模型和开源SD系列，采用Vision Transformer架构，显著提升了模型性能。

3、Stability AI推新AI模型StableFast3D:半秒内生成3D图像

- 链接: [了解更多](https://top.aibase.com/tool/stablefast3d)

- 亮点: Stability AI的最新技术实现了半秒内生成3D图像，处理速度比之前快了1200倍，为设计、建筑、零售和虚拟现实等行业带来革命性变革。

4、AI视频创作平台Hedra融资1000万美元

- 链接: [详情](https://www.hedra.blog/announcement/)

- 亮点: Hedra成功筹集1000万美元种子资金，推出了视频基础模型Character-1，已有超35万用户使用其服务，部分视频走红网络。

5、阿里国际站AI生意助手再升级：文本类AI生成能力完全免费

- 链接: [查看详情](https://top.aibase.com/tool/cosyvoice)

- 亮点: 阿里巴巴推出的CosyVoice语音合成模型展示了未来人机交互的美好蓝图，逼真度和灵活性令人惊叹，并提升了FunAudioLLM框架体验。

6、桌面Chrome AI搜索升级，引入类似Circle to Search的功能

- 链接: [查看更新](https://top.aibase.com/tool/googlelens)

- 亮点: Google Lens在桌面版Chrome中进行AI驱动升级，用户可通过点击按钮激活搜索框，实现多重搜索并进行文本搜索。

7、以色列初创公司aiOlami推出超高速语音识别模型WhisperMedusa

- 链接: [查看详情](https://github.com/black-forest-labs/whisper-medusa)

- 亮点: WhisperMedusa在速度上提升了50%，同时保持了准确性，有望加快语音应用的响应速度，提升效率，降低成本。

8、Suno声称用受版权保护的音乐进行训练模型是“合理使用”

- 链接: [阅读更多](https://techcrunch.com/2024/07/29/sunos-lawsuit-highlights-the-complexities-of-music-generation-and-copyright/)

- 亮点: Suno承认使用受版权保护的音乐进行训练，但声称这是“合理使用”，案件结果可能影响相关领域的先例。

9、微软首次在SEC文件中将OpenAI列为竞争对手

- 链接: [查看详情](https://www.theverge.com/2024/07/30/23379565/microsoft-openai-rivalry-heats-up-with-new-10k-filing)

- 亮点: 微软在年度10K报告中首次将其长期合作伙伴OpenAI列为竞争对手，引发业界关注。

10、库克称苹果AI将推动用户升级

- 链接: [查看详情](https://www.theverge.com/2024/07/31/23406693/apple-ceo-tim-cook-on-ai-investments-and-future-iphones)

- 亮点: 苹果公司CEO蒂姆·库克透露Apple Intelligence的部分特性和未来发布的新款iPhone16，展望了苹果在人工智能领域的发展。

11、300余名视频游戏演员联合抗议 声讨好莱坞无监管AI使用!

- 链接: [查看详情](https://deadline.com/2024/07/29/video-game-actors-strike-against-unregulated-ai-use)

- 亮点: 演员们团结起来抗议无监管AI使用，维护自身权益，凸显了人工智能时代下演员生存权的重要性。

12、港大与MIT联手打造ItiNera:你的私人AI导游，一键规划完美Citywalk路线!

- 链接: [查看详情](https://arxiv.org/pdf/2402.07204)

- 亮点: ItiNera系统通过结合空间优化与大型语言模型，提供个性化的城市行程规划服务，为旅行者带来全新的探索城市方式。

问答环节

1、什么是多模态模型？

- 多模态模型是一种能够处理和生成多种类型数据（如文本、图像、音频等）的人工智能模型，Google的Gemini 1.5 Pro就是一个典型的多模态模型，它在文本和图像生成方面表现尤为出色。

2、开源模型FLUX.1有哪些优势？

- FLUX.1采用了Vision Transformer架构，具备强大的图像生成能力，并且性能超越了许多闭源模型和开源SD系列，它的推出标志着AI图像生成领域的一个重要进步。

3、Stability AI的StableFast3D技术有何特点？

- StableFast3D可以在半秒内生成高质量的3D图像，处理速度比之前快了1200倍，这项技术为设计、建筑、零售和虚拟现实等行业带来了巨大的便利和效率提升。

4、Hedra平台的视频生成模型Character-1有什么特别之处？

- Character-1是一个专为视频生成设计的模型，它能够根据用户的输入生成个性化的视频内容，Hedra平台已经吸引了超过35万用户，并且有许多视频作品走红网络。

5、阿里巴巴的CosyVoice语音合成模型有哪些应用场景？

- CosyVoice不仅可以生成符合特定性别、年龄和个性的声音，还能模拟人类说话时的自然特征，并添加情感风格，这使得它在教育、娱乐、客户服务等领域具有广泛的应用前景。

6、Google Lens的桌面版升级带来了哪些新功能？

- Google Lens在桌面版Chrome中进行了AI驱动的升级，用户可以通过点击按钮激活搜索框，实现多重搜索，并查看文本和图像搜索结果，Chrome还新增了一项AI功能，允许用户通过提问搜索历史来查找链接。

7、WhisperMedusa模型相比其他语音识别模型有哪些改进？

- WhisperMedusa在速度上提升了50%，同时保持了与原模型相同的准确性，这一改进使得语音应用的响应速度更快，效率更高，成本更低。

8、Suno使用受版权保护的音乐进行训练是否合法？

- Suno声称其使用受版权保护的音乐进行训练属于“合理使用”，但这一说法尚未得到法庭的认可，案件的结果可能会对音乐生成领域产生重要影响。

9、微软将OpenAI列为竞争对手意味着什么？

- 这意味着微软与OpenAI之间的关系变得更加复杂，微软是OpenAI的最大投资者；它们在人工智能领域也存在竞争关系，这一举措引发了业界的广泛关注。

10、苹果公司的AI技术将如何影响用户升级？

- 库克表示，苹果的AI技术将推动用户升级设备，这表明苹果在未来的产品中将更加注重人工智能的应用，为用户提供更加智能和便捷的体验。

11、视频游戏演员为何要抗议无监管的AI使用？

- 因为演员们担心无监管的AI使用会威胁到他们的职业生存权，他们希望通过抗议来维护自己的权益，并促使相关部门加强对AI使用的监管。

12、ItiNera系统如何帮助用户规划旅行路线？

- ItiNera系统结合了空间优化与大型语言模型，可以根据用户的自然语言描述生成个性化的城市行程规划，这使得旅行者可以更轻松地探索新的城市，享受个性化的旅行体验。