Midjourney将推文本转视频模型
GPT-4.5/5将发布,但AGI仍未实现@科技博主Matthew Berman
我认为升级到GPT-4可能会有所帮助,虽然它确实提供了略微改进的结果,但仍然无法创建一个完全功能的应用程序。因此,虽然GPT-engineer显示出一些希望,但可以说它还不能完全处理严肃的编码任务。
2、LLaVA、CogAgent和BakLLaVA是三种具有极大潜力的开源视觉语言模型。
另外,DreamTalk还具有说话风格预测的功能,能够根据语音预测说话者的风格,并同步表情,使得动画更加贴近原始音频。此外,该框架适用于多种场景,可以用于歌曲、不同类型的肖像,甚至在嘈杂环境中也能表现良好。