谷歌發(fā)布VLOGGER AI模型，實(shí)現(xiàn)肖像朗讀音頻內(nèi)容
3 月 19 日，Google 在其官方博客上發(fā)布了關(guān)于 VLOGGER AI 模型的相關(guān)信息。這是一款利用用戶提供的肖像照片和音頻內(nèi)容，使人物生動(dòng)地呈現(xiàn)音頻內(nèi)容并具備豐富面部表情的人工智能程序。
具體來說，VLOGGER AI 采用一種適應(yīng)虛擬肖像的多模態(tài) Diffusion 模型，通過 MENTOR 數(shù)據(jù)庫進(jìn)行訓(xùn)練，涵蓋了超80萬個(gè)人物肖像及超過2200小時(shí)的視頻數(shù)據(jù)。得益于此，VLOGGER 可以生成各種族、各年齡段、穿著多樣、姿態(tài)各異的肖像視頻。
研發(fā)團(tuán)隊(duì)指出，相較于之前的同類產(chǎn)品，VLOGGER 的獨(dú)特之處在于無需針對每個(gè)使用者進(jìn)行單獨(dú)培訓(xùn)，且不受限于人臉檢測和裁剪，能產(chǎn)出完整的圖像，且能夠處理更多元化的情境如可見的身軀或者其他身份特征，這對于真實(shí)再現(xiàn)人物交流過程至關(guān)重要。
谷歌將 VLOGGER 視為通往“通用聊天機(jī)器人”未來的關(guān)鍵一步，使人工智能能以自然的語音、手勢和眼神等方式與人類交互。除此之外，VLOGGER 還可用作報(bào)告、教育領(lǐng)域以及旁白等方面的輔助工具，并能對已有的電影進(jìn)行剪輯和表情調(diào)整。
聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問題，請聯(lián)系本站處理。
舉報(bào)投訴
-
Google
+關(guān)注
關(guān)注
5文章
1789瀏覽量
59047 -
模型
+關(guān)注
關(guān)注
1文章
3521瀏覽量
50427 -
VLogger
+關(guān)注
關(guān)注
0文章
5瀏覽量
8422
發(fā)布評論請先 登錄
相關(guān)推薦
熱點(diǎn)推薦
英語單詞學(xué)習(xí)頁面+單詞朗讀實(shí)現(xiàn) -- 【2】單詞朗讀實(shí)現(xiàn) ##HarmonyOS SDK AI##
的原理是通過文字轉(zhuǎn)語音的形式實(shí)現(xiàn)的，之前也寫過文章分享過在API9下如何進(jìn)行文字轉(zhuǎn)語音，那是通過第三方的API實(shí)現(xiàn)的，需要申請token，請求接口，然后再通過media去播放，整體流程較為復(fù)雜，還必須
發(fā)表于 06-29 23:26
英語單詞學(xué)習(xí)頁面+單詞朗讀實(shí)現(xiàn) -- 【1】頁面實(shí)現(xiàn) ##HarmonyOS SDK AI##
?先看一下頁面效果
?
整體頁面是一個(gè)比較簡潔的頁面，其中有兩個(gè)特色功能
對于例句中，能夠實(shí)現(xiàn)將當(dāng)前的單詞從句子中進(jìn)行識別并突出顯示
對于單詞和句子，可以進(jìn)行朗讀，這個(gè)朗讀使用的是Core
發(fā)表于 06-29 23:24
首創(chuàng)開源架構(gòu)，天璣AI開發(fā)套件讓端側(cè)AI模型接入得心應(yīng)手
的自有模型移植，使首字詞生態(tài)速度比云端方案提升70%，賦能絕影多模態(tài)智能座艙強(qiáng)大的端側(cè)運(yùn)行能力，讓汽車擁有“有趣的靈魂”。
不僅如此，天璣AI開發(fā)套件已經(jīng)接入NVIDIA TAO生態(tài)圈，實(shí)現(xiàn)TAO
發(fā)表于 04-13 19:52
谷歌新一代 TPU 芯片 Ironwood：助力大規(guī)模思考與推理的 AI 模型新引擎?
與推理 AI 模型。谷歌方面表示，它代表著 AI 發(fā)展從 “響應(yīng)式” 向 “主動(dòng)式” 的范式轉(zhuǎn)變，未來 AI 代理將能夠主動(dòng)檢索并
谷歌“減法”新動(dòng)作：砍掉耳機(jī)按鍵喚醒朗讀功能
電子發(fā)燒友網(wǎng)報(bào)道（文/莫婷婷）近期，谷歌宣布將對耳機(jī)上的 Google Assistant語音助手功能進(jìn)行調(diào)整，取消通過觸控喚醒助理“自動(dòng)朗讀未讀通知”的功能。谷歌表示，要想完成該功能可以通過語音
NVIDIA推出面向RTX AI PC的AI基礎(chǔ)模型
NVIDIA 今日發(fā)布能在 NVIDIA RTX AI PC 本地運(yùn)行的基礎(chǔ)模型，為數(shù)字人、內(nèi)容創(chuàng)作、生產(chǎn)力和開發(fā)提供強(qiáng)大助力。
谷歌發(fā)布“深度研究”AI工具，利用Gemini模型進(jìn)行網(wǎng)絡(luò)信息檢索
據(jù)外媒最新報(bào)道，谷歌近期發(fā)布了一款名為“深度研究”的先進(jìn)AI工具。這款工具借助其內(nèi)部的Gemini大型語言模型，實(shí)現(xiàn)了對網(wǎng)絡(luò)信息的高效檢索與
谷歌正式發(fā)布Gemini 2.0 性能提升近兩倍
在智能體時(shí)代，谷歌再次引領(lǐng)技術(shù)潮流，正式發(fā)布了其最新力作——Gemini 2.0。這款AI模型不僅在性能上實(shí)現(xiàn)了顯著提升，更是在多模態(tài)表現(xiàn)和
谷歌發(fā)布Gemini 2.0 AI模型
谷歌近日正式推出了新一代AI模型——Gemini 2.0。此次更新引入了名為“深度研究”的新特性，旨在為用戶提供更加全面和深入的復(fù)雜主題探索與報(bào)告撰寫輔助。 Gemini 2.0通過高級推理和長上
谷歌計(jì)劃12月發(fā)布Gemini 2.0模型
近日，有消息稱谷歌計(jì)劃在12月發(fā)布其下一代人工智能模型——Gemini 2.0。這一消息引發(fā)了業(yè)界的廣泛關(guān)注，因?yàn)?b class='flag-5'>谷歌在人工智能領(lǐng)域一直保持著領(lǐng)先地位，而Gemini系列
HarmonyOS NEXT應(yīng)用元服務(wù)開發(fā)標(biāo)注屏幕朗讀內(nèi)容的場景
控件包含顯示文本（text）、無障礙文本（accessibilityText）2個(gè)屬性，其中，顯示文本為用戶界面上呈現(xiàn)的信息，無障礙文本為無障礙專有的朗讀信息，不在界面上顯示。屏幕朗讀提取信息進(jìn)行
發(fā)表于 10-12 15:52
谷歌Pixel 9系列發(fā)布會:AI技術(shù)領(lǐng)先,Gemini AI成焦點(diǎn)
8月14日，谷歌在景山城總部舉行了一場備受矚目的新品發(fā)布會，提前于蘋果iPhone 16系列發(fā)布，展示了Pixel 9系列手機(jī)及其搭載的全新AI功能，這一舉措迅速吸引了業(yè)界的廣泛關(guān)注。
谷歌獲Character.AI大模型技術(shù)授權(quán),創(chuàng)始人重歸谷歌懷抱
8月5日最新資訊，創(chuàng)新企業(yè)Character.AI在上周五正式宣布，他們已經(jīng)與科技巨頭谷歌的母公司Alphabet達(dá)成了一項(xiàng)重要合作，非獨(dú)家授權(quán)谷歌使用其先進(jìn)的大型語言模型技術(shù)。此次合
蘋果AI模型訓(xùn)練新動(dòng)向：攜手谷歌，未選英偉達(dá)
近日，蘋果公司發(fā)布的最新研究報(bào)告揭示了其在人工智能領(lǐng)域的又一重要戰(zhàn)略選擇——采用谷歌設(shè)計(jì)的芯片來訓(xùn)練其AI模型，而非行業(yè)巨頭英偉達(dá)的產(chǎn)品。這一決定在業(yè)界引起了廣泛關(guān)注，尤其是在當(dāng)前英偉
谷歌發(fā)布革命性AI天氣預(yù)測模型NeuralGCM
在科技與自然科學(xué)的交匯點(diǎn)上，谷歌公司于7月23日宣布了一項(xiàng)重大突破——全新的人工智能天氣預(yù)測模型NeuralGCM。這一創(chuàng)新成果不僅融合了機(jī)器學(xué)習(xí)的前沿技術(shù)，還巧妙結(jié)合了傳統(tǒng)氣象學(xué)的精髓，其研究成果已在國際權(quán)威科學(xué)期刊《Nature》上
工商網(wǎng)監(jiān)
評論