20240629 每日AI必读资讯

🚀 Google 深夜突袭，Gemma 2 狂卷 Llama 3

- Gemma2性能超越Llama3，提供9B和27B版本，性能接近70B模型但大小仅为其40%

- Gemma2支持高效推理，单个GPU即可实现全精度推理，广泛的硬件支持

- Gemma2兼容多种AI框架，提供实际应用示例和指南，谷歌计划支持通过Google Cloud Vertex AI轻松部署

🔗 https://aistudio.google.com/app/prompts/new_freeform

🔗 Google 深夜突袭，Gemma 2 狂卷 Llama 3-CSDN博客 

🤖硅基智能开源其AI数字人交互平台 

- 可以轻松创建逼真数字人

- 提供了很完善的工具和支持，部署过程变得非常简单和低成本。

- 功能支持：

语音识别：高效的语音输入，支持多种语言和口音。

语音合成：生成自然流畅的语音输出

实时交互：支持与用户的即时互动，提供快速响应。

多终端支持：可在Android和iOS设备上轻松部署，扩大使用场景。

模型下载：提供多个数字人模型的下载和使用，无需训练，即可使用。

🔗GitHub：https://github.com/GuijiAI/duix.ai
🔗在线体验：https://apps.apple.com/us/app/duix-your-ai-companion/id6451088879 

📢和 GPT 4o 匹敌 世界上最快的语音机器

- 能实现500毫秒的语音到语音响应 接近人类对话的自然速度

- 为达到这种低延迟，开发团队优化了网络架构、AI模型性能和语音处理逻辑。

- 使用WebRTC网络发送音频，部署了Deepgram的快速转录和语音生成模型，并将所有AI模型在Cerebrium的容器中自托管，以减少延迟。

🔗在线体验：https://fastvoiceagent.cerebrium.ai

🌐ToucanTTS：支持超过 7000 多种语言的TTS模型

- 斯图加特大学自然语言处理研究所（IMS）开发了一个超全文本转语音模型ToucanTTS。

- 支持几乎所有的 ISO-639-3 标准语言，这意味着它理论上可以支持超过 7000 种语言。是目前支持语言种类最多的 TTS 模型。

- 支持多说话人语音合成功能，可以模拟不同说话人的节奏、重音和语调。这对于需要风格多样性和语音自定义的应用非常有用。

- 还允许用户控制语音的多个参数，包括音调、语速、情感等。

🔗GitHub：https://github.com/DigitalPhonetics/IMS-Toucan
🔗在线演示：https://huggingface.co/spaces/Flux9665/MassivelyMultilingualTTS
🔗数据集：https://huggingface.co/datasets/Flux9665/BibleMMS

🔧Resemble AI发布AI音频检测模型Detect-2B 准确率达到 94%

- Detect-2B是下一代深度伪造检测模型，准确率达94%。

- 使用预训练的子模型和微调来检查音频片段，判断是否由AI生成。

- 模型架构基于随机概率模型，在不同语言的深度伪造音频检测上表现出色。

- DETECT-2B 适用于需要检测深度伪 造音频的场景，可以帮助用户识别并防范 AI 生成的欺诈音频。

🔗 https://top.aibase.com/tool/detect-2b

🚩不靠谱？热门AI搜索工具Perplexity被指引用错误信息

- Perplexity被曝引用错误的AI生成垃圾信息，来自可疑的博客和LinkedIn文章。

- GPTZero发现Perplexity链接的来源中有越来越多是AI生成的，Perplexity有时会使用这些来源中的过时和不正确信息。

- Perplexity声称答案来自“可靠来源”，AI算法是否真的能从好的信息中获取好的信息值得怀疑。

🎨Viggle推出Move功能：可保留照片的原始背景 无需额外编辑

- 保留原始背景： "Move"功能与之前限制在绿色和白色背景的功能不同，保留照片原始背景，无需额外编辑。

- 易于访问：用户只需访问https://viggle.ai 即可使用新功能。

- 无需复杂编辑：直接上传照片，轻松为其添加动画效果，无需繁琐后期处理。

🔗 https://viggle.ai

🔗 https://blink.csdn.net/details/1744090