近期，生成式人工智能（AIGC）領域又涌現(xiàn)出多款創(chuàng)意十足的新應用。
今天，鈦媒體AGI梳理了免費 AI “神器”系列第六彈，共五款，其中不少產(chǎn)品再一次拓寬了我們對AI的想象力。
繼OpenAI發(fā)布的視頻生成模型Sora風靡全球之后，AI 文生圖和視頻領域競爭加速，行業(yè)“鼻祖”、生成式 AI 技術公司Stability AI 2月22日-23日連續(xù)推出三款新產(chǎn)品：Stable Diffusion 3、Stable Video、Creative Upscaler，迎戰(zhàn)Sora。
產(chǎn)品信息：首先，Stable Diffusion 3是目前全球最強大的文生圖模型，生圖質量有很大改進，支持多主題提示，參數(shù)量從 800M 到 8B 不等，支持手機、電腦等便攜式設備使用，大大降低AI大模型的使用門檻。
其次，Stable Video是基于Stable Video Diffusion技術推出的 AI 視頻生成平臺，支持生成高質量視頻，新增了鏡頭控制等功能，用戶可以通過該工具快速創(chuàng)建高質量的視頻內容，無需專業(yè)技能和復雜的軟件，隨時用 AI 生成視頻。
最后，Creative Upscaler是該公司新推出的 AI 圖像提升增強工具，可以將圖像升級到4k分辨率，并創(chuàng)造以前沒有的新細節(jié)等，從而賦予圖像新生命。
產(chǎn)品功能：Stable Diffusion 3與之前版本一致，采用了與Sora一樣的Diffusion Transformer架構，直接生成逼真的 AI 圖片，不過目前還沒有全面開放，權重也沒有公布。團隊提到，他們正在采取一些安全措施，防止不法分子濫用。想要嘗鮮的用戶可以通過https://stability.ai/stablediffusion3申請。
Stable Video支持基于 AI 的圖生視頻和文生視頻，比上一代升級優(yōu)化了畫面穩(wěn)定性、運動幅度、畫面細節(jié)處理等功能，以及新增鏡頭控制能力。如今，用戶可以將記憶轉化為動態(tài)影像，或通過文字創(chuàng)造全新的故事，可用于商業(yè)宣傳視頻、教學視頻、產(chǎn)品展示等更多場景。
Stable Video付費方面，公測期間，用戶每日登錄都有150的積分，可免費用來生成15個視頻，若用戶有制作大量視頻需求也可按需購買。目前主要有兩種付費標準：一是10美元購買500積分，可制作50個視頻，二是50美元購買3000積分，可制作300個視頻。
最后是Creative Upscaler應用工具。其擁有分辨率提升、細節(jié)創(chuàng)造、創(chuàng)造力調整、面向高質量轉換、原始圖像保留、生命注入等獨特的 AI 技術功能。與大多數(shù)同類 AI 產(chǎn)品不同，Creative Upscaler結合文本提示和圖像，能創(chuàng)造出原本不存在的新細節(jié)，為圖像賦予新的生命和可能性。
體驗地址：https://www.stablevideo.com/
https://creator.nightcafe.studio/stability-ai-creative-upscaler
產(chǎn)品信息：SwapStream是一款基于 AI 與云技術的實時人臉互換直播工具，用戶無需下載，可直接通過瀏覽器實現(xiàn)人臉互換直播。
產(chǎn)品功能：SwapStream可將任意人臉實時互換到直播視頻中，同時支持多個直播平臺同步，還可添加自定義RTMP直播通道等。使用簡單、擴展性強，適用于各類直播場景，主要受眾人群包含需要進行人臉互換的直播、需要快速設置直播環(huán)境的用戶以及需要擴展直播范圍的主播等。
體驗地址：https://www.swapstream.ai/
產(chǎn)品信息：AnyGPT是由復旦大學、上海人工智能實驗室等機構聯(lián)合推出的一款多模態(tài)大語言模型，該模型采用離散表示技術，通過在各模態(tài)輸入上進行離散標記，實現(xiàn)了多模態(tài)信息的統(tǒng)一處理。
產(chǎn)品功能：首先AnyGPT可進行任何模態(tài)的輸入和輸出，無論是文本、圖像、音頻或是視頻都支持輸入，并可生成任何模態(tài)的輸出。
其次，AnyGPT可進行多模態(tài)理解和生成，能從一個模態(tài)接收輸入并在另一個或多個模態(tài)中生成輸出。如它可以從文本生成音樂，從語音生成圖片等。
最后，AnyGPT可實現(xiàn)任意模態(tài)轉換，如將語音指令轉換成文本＋圖片＋音樂的響應，或將語音＋音樂轉換成圖像＋文本的響應。
項目及演示地址：https://junzhan2000.github.io/AnyGPT.github.io/
產(chǎn)品信息：PixelPlayer 是一款聲畫分離模型，能通過分析大量未標記的視頻，識別視頻中哪些區(qū)域在產(chǎn)生聲音，并將聲音分離成代表每個像素聲音的組件。該模型由麻省理工學院計算機科學與人工智能實驗室開發(fā)。
產(chǎn)品功能：PixelPlayer 能處理和識別人們演奏不同樂器的視頻，并對單聲道音頻輸入進行音視頻源分離和定位，最終實現(xiàn)將聲音信號分割成多個通道，每個通道對應一個樂器類別，并能為視頻中的每個像素指定一個獨立的音頻波形。
在PixelPlayer開發(fā)團隊的演示視頻中，點擊視頻上的不同聲源區(qū)域，會發(fā)出不同的聲音。
PixelPlayer為音視頻編輯、多媒體內容制作、增強現(xiàn)實應用等領域提供了強大的工具，使得獨立調整視頻中不同聲音源音量、去除或增強特定聲音源等操作成為可能。截至發(fā)稿，PixelPlayer在Github上已累積351顆星。
體驗地址：http://sound-of-pixels.csail.mit.edu/
產(chǎn)品信息：Finpilot是一款由西雅圖初創(chuàng)公司Finpilot推出、專門為金融分析師設計的 AI 助手應用，以生成式 AI 技術為核心，旨在協(xié)助金融分析師進行研究和解答金融問題。
產(chǎn)品功能：Finpilot可幫助分析師快速搜集和分析金融數(shù)據(jù)，股票分析，編寫報告，以及進行數(shù)據(jù)可視化。同時，F(xiàn)inpilot提供可驗證的信息來源，保證數(shù)據(jù)研究質量。用戶只需與Finpilot對話，即可獲取對應的金融或財務數(shù)據(jù)，從而簡化金融分析工作流程，大幅提高工作效率。
例如，通過問答，用戶可獲取阿里巴巴、騰訊、HAL等公司分部過去五年的收入數(shù)據(jù)，以及比較SNOW、CRWD等多個公司凈留存率等。
另外，2月23日，F(xiàn)inpilot還官宣完成由Madrona領投的400萬美元的融資。Finpilot表示，本輪融資的資金主要用于擴大技術團隊和升級軟件功能，包括引入更先進的自然語言處理技術、提高ChatGPT在金融領域的應用和智能水平，以及部分用于市場推廣，以增強軟件在金融行業(yè)的影響力。
體驗地址：https://www.finpilotai.com/
（本文首發(fā)鈦媒體App，作者｜章橙，編輯｜林志佳）
快報
根據(jù)《網(wǎng)絡安全法》實名制要求，請綁定手機號后發(fā)表評論