AI视野：Stability.ai开源SDXL Turbo；Pika Labs1.0版发布；字节跳动ChitChop在海外上线；Keras3.0正式发布；法院判决AI生成图片具备版权

🤖📱💼AI应用

Stability.ai发布开源文生图模型SDXL Turbo

文生成图AI平台Stability.ai发布开源SDXL Turbo，图像生成实时响应，仅需1秒。SDXL Turbo基于全新对抗扩散蒸馏技术（ADD），将生成步骤减至1-4步，保持高质量。性能测试显示，SDXL Turbo在1步骤击败LCM-XL的4步骤和SDXL的50步骤。虽有局限，只能用于学术研究，生成512x512固定像素图片，但技术突破可助中小企业低成本应用。

开源地址:https://github.com/Stability-AI/generative-models

在线体验地址:https://clipdrop.co/stable-diffusion-turbo

论文地址:https://stability.ai/s/adversarial_diffusion_distillation.pdf

【AiBase提要:】

🚀 SDXL Turbo发布:Stability.ai宣布开源SDXL Turbo，实现文生成图实时响应，1秒生成图片。

🌐 技术突破:基于对抗扩散蒸馏技术，SDXL Turbo将生成步骤从50减至1-4步，保持高图像质量。

💼 应用范围:虽局限于学术研究，SDXL Turbo技术突破可助中小企业以低成本进行图像生成应用。

Pika Labs1.0版发布

AI初创公司Pika Labs正式发布了其令人印象深刻的AI视频生成器的1.0版本，为视频创作带来了全新的体验。

Pika Labs体验网址:https://top.aibase.com/tool/pika-labs

【AiBase提要:】

Pika Labs发布1.0版AI视频生成器，支持多种风格视频创作。

Pika Labs成功融资5500万美元，由知名投资者领投。

Pika Labs1.0支持用户上传视频二次生成和编辑，而且还能局部编辑视频内容

字节跳动ChitChop在海外上线

字节跳动推出的大模型产品“ChitChop”在海外上线，由POLIGON开发和运营，提供多达200 的智能机器人服务，支持创作、工作、AI画画、娱乐、AI学习和生活等六大场景，具备语音输入和文件分析功能。

【AiBase提要:】

🤖 ChitChop是字节跳动的人工智能助理工具，提供200 智能机器人服务。

🖋️ 产品支持创作、工作、AI画画、娱乐、AI学习和生活等六大场景。

🎙️ ChitChop具备语音输入功能，能自动识别语音内容，并可进行文件分析和讨论。

📰🤖📢AI新鲜事

OpenAI介入调查:GPT-4在编写代码上偷懒

GPT-4最新版本因偷懒不愿编写完整代码，用户抱怨频出，引起广泛关注和调查。

【AiBase提要:】

😞 GPT-4最新版本存在编写代码懒惰的问题，用户反映在实际需求中难以得到满足。

🤖 用户反馈GPT-4在解释问题上花费过多时间，而不提供实际可运行代码，引发不满。

🔍 OpenAI已介入调查，并表示将借助用户提供的例子加以改进。

法院判决AI生成图片具备版权

北京互联网法院首次就AI生成图片领域著作权侵权案作出一审判决，认定AI生成的图片具备独创性和智力投入，应受著作权法保护，为该领域著作权保护树立了重要判例。

【AiBase提要:】

🤖法院首次确认AI生成图片具备独创性和智力投入，应受著作权法保护。

🧠在创作过程中，法院强调智力投入主要来自人而非人工智能模型。

🖼️判决对涉案图片的智力成果、独创性、作品性质及著作权归属等进行详细解释，对AI生成图片领域著作权保护具有重要意义。

vivo S18系列将首批搭载蓝心AI大模型

vivo宣布S18系列将成为首批采用AI大模型技术的手机，搭载自研蓝心大模型，参数量级涵盖十亿、百亿、千亿。S18将采用骁龙7Gen3处理器，而S18Pro升级为天玑9200处理器。

【AiBase提要:】

🚀 技术领先: vivo S18系列引领潮流，首批搭载覆盖十亿至千亿参数级别的蓝心AI大模型技术。

💡 卓越配置: S18搭载骁龙7Gen3处理器，曲面屏、超光感人像镜头，而S18Pro升级至天玑9200，支持Wi-Fi7等先进配置。

🌐 全面布局: vivo不仅在硬件上创新，还推出了蓝心小V助理和蓝心千询APP，拓展了基于AI大模型的应用场景。

谷歌搜索展示AI生成图片替代了真实照片

最新报道指出，谷歌搜索结果中以色列传奇歌手卡玛卡维沃·奥莱的照片实际上是由人工智能生成的，引发了对搜索准确性的担忧。

【AiBase提要:】

🔍 谷歌搜索显示卡玛卡维沃·奥莱的照片实为AI生成，替代了真实照片。

🤖 谷歌表示正在改进Knowledge Panels，但对问题尚未解决。

🌐 网页指责Google对AI生成的虚假信息回应不足，呼吁公司解决问题。

亚马逊宣布推出新的人工智能芯片Trainium2

亚马逊AWS推出新的人工智能芯片「Trainium2」，旨在构建和运行AI应用程序，同时深化与英伟达的合作，提供对Nvidia最新芯片的访问。

【AiBase提要:】

🚀 双管齐下策略: 亚马逊计划推出Trainium2人工智能芯片，同时提供对Nvidia最新芯片的访问，以满足不断增长的AI应用需求。

💡 性能提升: Trainium2芯片将使AI模型性能提高四倍，为公司如OpenAI、Databricks等提供更强大的训练工具。

🌐 多元选择: 亚马逊强调其云计算服务AWS的多元选择，包括Graviton4处理器和Nvidia GPU，以满足客户对成本效益高的云服务的需求。

一男子用AI工具洗稿竞争对手文章 “窃取”数百万的页面浏览量

人工智能生成工具在SEO领域引发争议，Content Growth创始人通过AI文本生成器成功窃取360万流量，引发用户质疑和道德担忧。

【AiBase提要:】

🔄 互联网时代，强大的文本生成器如ChatGPT颠覆传统SEO，引发人工智能生成内容浪潮。

🤨 Content Growth创始人通过AI文本生成器实施SEO“抢劫”，引发用户强烈愤怒和道德质疑。

🤔 使用Byword等人工智能生成器清洗现有内容，可能欺骗搜索引擎，呼吁对人工智能内容进行监管和审查。

麻省理工学院推GenSim项目:利用大语言模型编写机器人新任务

麻省理工学院的“GenSim”项目利用大型语言模型如GPT-4，通过自动生成新任务或详细说明所需行为的每个步骤，扩大了机器人可以接受培训的仿真任务范围，为机器人学习提供更广泛的模拟任务。

【AiBase提要:】

🌐 MIT CSAIL的“GenSim”项目通过大型语言模型生成新任务或详细说明机器人行为步骤，拓展了机器人在仿真任务中的培训范围。

🤖 GenSim系统具有目标导向和探索两种模式，利用LLM生成任务描述和行为代码，成功训练机械臂执行新任务，如高速放置彩色积木。

💡 经过人类预训练后，GenSim自动生成了100种新行为，相比手动编写任务的基准测试，展示了在构思新型机器人活动方面的潜力。

亚马逊推出AI聊天机器人Amazon Q

亚马逊在re:Invent大会上发布了面向AWS客户的AI聊天机器人「Amazon Q」，可提供广泛的解决方案和操作建议，涵盖业务智能、编程和配置等多个领域。

【AiBase提要:】

🤖 Amazon Q是面向AWS客户的聊天机器人，起始价格每用户每年20美元，能回答广泛问题。

🔗 可连接到各应用程序，学习企业各方面信息，生成内容，提供可视化选项。

🔐 重视隐私，Q仅返回用户有权查看信息，管理员可控制和过滤答案。

🤖📈💻💡大模型动态

北大提出Chat-UniVi视觉语言大模型

Chat-UniVi是由北大和中山大学研究者提出的统一视觉语言大模型，在短短三天训练内获得130亿参数，通过动态视觉token和密度峰聚类算法实现统一视觉表征，在多任务中表现卓越。

项目地址:https://github.com/PKU-YuanGroup/Chat-UniVi

【AiBase提要:】

🌐 模型简介: Chat-UniVi是北大和中山大学研究者提出的视觉语言大模型，仅需三天训练即可获得130亿参数，实现统一的视觉表征。

🚀 核心方法: 采用动态视觉token和密度峰聚类算法，大幅减少视觉token数量，提高模型性能，在多任务中超越其他大型模型。

📈 实验成果: Chat-UniVi在图片、视频理解以及问答任务中表现卓越，使用更少的视觉token达到与其他大模型相媲美的性能水平，并开源了代码、数据集和模型权重。

新加坡国立大学开源多模态语言模型 NExT-GPT

新加坡国立大学发布的开源多模态语言模型 NExT-GPT，通过处理文本、图像、视频和音频等多样化输入，推动了多媒体人工智能应用的发展，为开发者提供强大支持。

【AiBase提要:】

🌐 多模态能力: NExT-GPT 提供强大的多模态语言模型，能处理文本、图像、视频和音频，拓展了人工智能应用领域。

🧠 架构与训练: 采用三层架构，包括线性投影、Vicuna LLM 核心和模态特定的转换层，通过 MosIT 技术进行中间层训练，降低训练成本。

🌟 开源贡献: NExT-GPT 的开源使研究者和开发者能够创建能够无缝集成文本、图像、视频和音频的应用，为多媒体人工智能应用提供了重要贡献。

研究人员发布Starling-7B:基于AI反馈的大语言模型

UC伯克利发布基于AI反馈强化学习的Starling-7B大语言模型，采用RLAIF技术，在性能上媲美GPT-3.5，通过基准测试表现出色，迈向更人性化的应用。

项目网址:https://huggingface.co/berkeley-nest/Starling-LM-7B-alpha

【AiBase提要:】

🚀 RLAIF技术介绍: Starling-7B采用了基于AI反馈的强化学习，通过优化Openchat3.5和Mistral-7B而成。

📊 性能卓越: 在基准测试中，Starling-7B表现出色，对比其他模型性能提升引人瞩目。

🔄 迈向人性化: RLAIF主要改善了模型的实用性和安全性，未来计划引入高质量的人工反馈数据，更好地满足人类需求。

👨‍💻💡🎯聚焦开发者

Keras3.0正式发布

Keras3.0发布，全面支持TensorFlow、JAX和PyTorch，进行了全新的大模型训练和部署功能引入，保持高度向后兼容性，为深度学习开发者提供更多选择和工具。

【AiBase提要:】

💡 全面支持多框架: Keras3.0全面支持TensorFlow、JAX和PyTorch，使用户可以选择在不同框架上运行Keras工作流。

💻 大模型训练和部署: 引入新的大模型训练和部署功能，支持各种预训练模型，保持高度向后兼容性，平滑过渡。

🚀 跨框架数据pipeline: Keras3.0支持跨框架数据pipeline，包括分布式API，提高在大规模数据并行和模型并行方面的效率。

中国团队开源大规模高质量图文数据集ShareGPT4V

中国团队开源了基于GPT4-Vision构建的图文数据集ShareGPT4V，训练了7B模型，涵盖120万条多样性丰富的图像-文本描述数据，在多模态性能上超越同级别模型，为多模态研究和应用提供了新的基石。

【AiBase提要:】

🌐 数据集概要: ShareGPT4V基于GPT4-Vision构建，包含120万条图像-文本描述数据，涵盖世界知识、对象属性、空间关系、艺术评价等多方面。

🚀 性能突破: 中国团队的7B模型在多模态基准测试上表现优异，超越同级别模型，为多模态研究和应用提供有力支持。

🔗开源资源: 该数据集已开源，论文地址为

https://arxiv.org/abs/2311.12793，项目地址为https://github.com/InternLM/InternLM-XComposer/tree/main/projects/ShareGPT4V

上海AI实验室、Meta联合开发开源模型 可为人体生成3D空间音频

上海AI实验室与Meta合作推出的开源模型利用头戴式麦克风和人体姿态信息，成功生成人体的3D空间音频，为虚拟环境提供关键支持。

项目地址:https://github.com/facebookresearch/SoundingBodies

【AiBase提要:】

🔍 技术突破: 上海AI实验室与Meta的开源模型通过多模态融合，解决了音源位置未知和麦克风距离音源较远等难题，成功实现了人体的3D空间音频生成。

🔒 局限性挑战: 虽然取得了技术进展，但该模型仅适用于渲染人体音，难以处理非自由音场传播环境，且计算量较大，难以在资源受限的设备上部署。

🌐 开源模型链接: 项目地址为 https://github.com/facebookresearch/SoundingBodies，为虚拟现实领域的发展提供了新的可能性，但仍需进一步优化和拓展。

Real-ESRGAN-Video:将视频清晰度提升至2K或4K

Real-ESRGAN-Video技术让用户轻松将视频清晰度提升至2K或4K，通过简化上传和选择清晰度的步骤，提供多种模型处理模式，特别适用于动画视频。测试结果显示对相对清晰的视频效果显著，为提升视频素材清晰度带来新可能。

【AiBase提要:】

🌟 清晰度提升: Real-ESRGAN-Video技术简化步骤，让用户轻松将视频清晰度提升至2K或4K。

🔄 多模型支持: 提供多种处理模式，标准模型适用于大多数视频，动画专用模型更擅长处理动画线条和颜色。

🚀 测试验证: 测试结果显示在相对清晰的视频上，提升效果显著，尤其对动画视频的效果提升更为明显。