【AiBase提要:】“O”:视频输出。2023年，我们看到了文字到视频合成的浪潮:WALT（谷歌）、EmuVideo(Meta)、Align Your Latents(英伟达)、Pika等等，数不胜数。然而，大多数生成的片段仍然很短。我将它们视为AI视频的“系统1”——“无意识”的局部像素运动。
而令科学家感到惊喜的是，他们发现先前很多认为是噪声的信号，却被机器学习认为是可以做出预测的主要信号。
通过Dual-Pivot Tuning实现的个性化恢复技术在恢复图像中实现了高身份保真度和自然外观。实验证明，与盲目和少数样本的面部图像恢复的各种最先进替代方法相比，定制模型在个体身份方面表现更好，并且在一般图像质量方面优于通用先验。该方法对不同类型的降解是不可知的，并在保持身份的同时提供一致的恢复。
站长之家(ChinaZ.com) 1月3日 消息:阿里巴巴宣布其项目DreamTalk已经开源。这个项目可以让人物照片说话，支持包括歌曲、多种语言的语音、嘈杂的音频在内的各种声音匹配。