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。