Mở khóa sức mạnh của GPT-4: Khám phá các tính năng mới nhất của trợ lý giọng nói AI và nhiều hơn nữa

OpenAI đã bắt đầu triển khai chế độ giọng nói nâng cao cho một nhóm nhỏ người dùng ChatGPT Plus. Một số người dùng có quyền truy cập đã ghi lại các bản demo để trình diễn các khả năng mới.

Điểm nổi bật của chế độ giọng nói nâng cao bao gồm:

• Khả năng ngắt trợ lý giọng nói và khiến nó ngừng phản hồi và bắt đầu lắng nghe. Đây là một cải tiến lớn so với trợ lý giọng nói cũ.
• Hiệu suất ấn tượng trong các nhiệm vụ khác nhau, chẳng hạn như đóng vai trò như một nhà bình luận thể thao và nhanh chóng đếm từ 1 đến 50.
• Có thể phá vỡ trợ lý giọng nói bằng cách phát một video YouTube, mở khóa các khả năng mới như cung cấp thông tin về các thành phần ma túy.

Mặc dù việc triển khai hiện đang hạn chế, OpenAI có kế hoạch cung cấp chế độ giọng nói nâng cao cho tất cả các thuê bao ChatGPT Plus vào mùa thu. Bản cập nhật này rất được mong đợi và thể hiện sự tiến bộ nhanh chóng trong công nghệ giọng nói của OpenAI.

Công cụ mới do Meta cung cấp, Segment Anything, là một bước đột phá trong sản xuất video và hiệu ứng hình ảnh. Công nghệ tiên tiến này sử dụng trí tuệ nhân tạo để nhanh chóng và chính xác phân đoạn các đối tượng khỏi nền, giúp việc cách ly và thao tác các yếu tố trong video trở nên dễ dàng hơn.

Những ngày của việc rotoscoping từng khung hình một đã qua. Segment Anything đơn giản hóa quá trình này, cho phép bạn chọn một đối tượng bằng một cú nhấp chuột và công cụ sẽ tự động theo dõi chuyển động của nó trong suốt đoạn phim. Điều này tiết kiệm vô số giờ làm việc thủ công và mở ra những khả năng sáng tạo mới.

Hiệu suất của công cụ thực sự ấn tượng, ngay cả khi đối mặt với những cảnh phức tạp và động. Dù bạn đang xử lý một quả bóng nhảy, một con mèo nhảy múa hay một sinh vật biến hình, Segment Anything đều xử lý chúng một cách dễ dàng. Việc phân đoạn dựa trên trí tuệ nhân tạo rất chính xác, cung cấp các mặt nạ sắc nét, rõ ràng sẵn sàng để chỉnh sửa và hợp thành thêm.

Nhưng sức mạnh thực sự của Segment Anything nằm ở tính linh hoạt của nó. Một khi bạn đã cách ly một đối tượng, các khả năng là vô tận. Bạn có thể loại bỏ nền, thay thế bằng màn xanh, áp dụng hiệu ứng hình ảnh, hoặc thậm chí biến đổi chính đối tượng đó. Giao diện direct của công cụ này khiến các kỹ thuật nâng cao này trở nên dễ tiếp cận với người dùng ở mọi cấp độ kỹ năng.

Đối với các nhà sản xuất video, nghệ sĩ hiệu ứng hình ảnh và nhà sáng tạo nội dung, Segment Anything là một bước đột phá. Nó đơn giản hóa quy trình làm việc, tăng năng suất và mở ra những hướng sáng tạo mới. Dù bạn đang làm việc trên một dự án chuyên nghiệp hay chỉ đơn giản là thử nghiệm với nội dung của riêng mình, công cụ này là một phải có trong kho công cụ của bạn.

Meta đã phát hành một nền tảng trí tuệ nhân tạo mới có tên "AI Studio" cho phép người dùng tạo ra những người bạn AI riêng của họ. Nền tảng này được xây dựng trên mô hình ngôn ngữ LLaMA 3.1 nguồn mở và cung cấp một loạt các nhân vật trò chuyện được xây dựng sẵn mà người dùng có thể tùy chỉnh và chia sẻ.

Một số điểm chính về AI Studio của Meta:

• Hiện tại chỉ có sẵn ở Mỹ, nhưng dự kiến sẽ triển khai toàn cầu theo thời gian.
• Người dùng có thể truy cập nền tảng thông qua ứng dụng Instagram bằng cách tạo một cuộc trò chuyện mới với "Meta AI".
• Nền tảng cung cấp nhiều nhân vật trò chuyện được xây dựng sẵn, từ "bạn trai chu đáo" đến một nhân vật dí dỏm có tên "Skib".
• Người dùng cũng có thể tạo ra các trò chuyện AI tùy chỉnh bằng cách cung cấp lời nhắc, hướng dẫn và các ví dụ về đối thoại.
• Các trò chuyện AI được tạo có thể được chia sẻ với người khác và sử dụng trực tiếp trong Instagram hoặc WhatsApp.
• Nền tảng này thể hiện nỗ lực của Meta để cạnh tranh với sự phổ biến ngày càng tăng của các người bạn AI như Character AI.
• Việc mã nguồn mở LLaMA 3.1 cũng được kỳ vọng sẽ dẫn đến một làn sóng các dự án AI bạn gái/người bạn nguồn mở mới.

Nói chung, AI Studio của Meta là một bước phát triển đáng kể trong thế giới đang phát triển nhanh chóng của các người bạn AI. Nó thể hiện tham vọng của ông lớn công nghệ này trong việc chiếm lĩnh thị trường mới nổi này và cung cấp cho người dùng một nền tảng để tạo ra những trợ lý AI độc đáo của riêng họ.

Phát hành mô hình Midi Journey 6.1

• Midi Journey đã phát hành một mô hình mới 6.1, hiện là mô hình mặc định.
• Các cải tiến chính bao gồm:
  • Tốc độ tạo ra nhanh hơn 25%
  • Chất lượng hình ảnh hơi được cải thiện
  • Cải thiện đáng kể về chất lượng văn bản, hiện tốt hơn cả mô hình V6 trước đó
• Các bài kiểm tra cho thấy mô hình mới xử lý các lời nhắc khó như "phụ nữ xinh đẹp đi chân trần mặc váy hè và cầm một bông hồng" rất tốt, với các kết cấu da và tóc chân thực hơn.
• Việc tạo văn bản cũng đã có những cải thiện đáng kể, với ít lỗi hơn như chữ bị lặp.
• Nhìn chung, đây là một bản nâng cấp từng bước nhưng có ý nghĩa đối với nền tảng Midi Journey.

Cập nhật âm thanh

• Audio, một trong những công cụ tạo nhạc phổ biến, đã giới thiệu phiên bản 1.5 với các cập nhật sau:
  • Cải thiện chất lượng âm thanh
  • Kết quả đa ngôn ngữ tốt hơn
  • Thêm khả năng chuyển đổi âm thanh sang âm thanh
  • Các tính năng mới như video lời bài hát có thể chia sẻ

Các trình nâng cấp AI

• Đã kiểm tra trình nâng cấp ESRV2 mới của Nvidia, cung cấp phóng to 4 lần với nhiều làm sắc.
• Nhận thấy nó hoạt động đặc biệt tốt trên các minh họa, vì nó làm nổi bật các đường một cách hiệu quả.
• So sánh với trình nâng cấp Mairry, cung cấp phóng to nhẹ nhàng hơn mà không có sự làm sắc quá mức.
• Kết luận rằng tất cả các trình nâng cấp hiện đại đều hoạt động khá tốt, với Magnific vẫn là lựa chọn tốt nhất cho việc nâng cấp chất lượng cao và sáng tạo.

Nói chung, cảnh quan AI tiếp tục chứng kiến những cải tiến ổn định trong các khả năng tạo văn bản, hình ảnh và âm thanh. Các bản cập nhật mới nhất từ Midi Journey, Audio và các trình nâng cấp mới thể hiện tốc độ đổi mới nhanh chóng trong lĩnh vực này.

Tuần này đã chứng kiến rất nhiều tin tức và phát hành AI thú vị, nhưng một trong những diễn biến thú vị nhất là những tiến bộ trong các công cụ tạo video. Chúng tôi đã đi sâu vào phân tích các mô hình hàng đầu - Genf.free, Dream Machine và Cling - và đưa chúng vào thử nghiệm để xem mô hình nào sáng giá hơn trong các trường hợp sử dụng khác nhau.

Dưới đây là những gì chúng tôi đã tìm thấy:

Genf.free: Công cụ này xuất sắc trong việc tạo ra những cảnh quay điện ảnh, hoành tráng. Các cảnh quay flycam rộng lớn, ánh sáng kịch tính và giá trị sản xuất tổng thể đều ở mức cao. Tuy nhiên, nó đôi khi có thể gặp khó khăn trong việc duy trì tính nhất quán của các nhân vật và có thể giới thiệu các hạt ảnh trong một số hoạt ảnh.

Dream Machine: Nếu bạn đang làm việc với các cảnh quay sản phẩm, đồ họa hoặc cần các hoạt ảnh tinh tế, Dream Machine là lựa chọn phù hợp. Nó tạo ra những kết quả sạch sẽ, tinh xảo mà không quá đà. Những chuyển động nhẹ nhàng và sự chú ý đến từng chi tiết khiến nó trở thành một lựa chọn tuyệt vời cho các ứng dụng thương mại.

Cling: Đây là quân bài hoang dã trong số này. Đôi khi nó tạo ra những kết quả điên rồ, khiến người ta phải trầm trồ, nhưng đôi khi nó lại thất bại với những hạt ảnh rõ ràng. Nó là mô hình khó đoán nhất, nhưng có thể là một công cụ tuyệt vời để thử nghiệm sáng tạo.

Khóa là hiểu được những điểm mạnh và điểm yếu của từng mô hình và chọn đúng mô hình phù hợp với nhu cầu cụ thể của bạn. Genf.free sáng giá cho các cảnh quay điện ảnh, Dream Machine xuất sắc cho các hoạt ảnh sản phẩm và đồ họa, còn Cling thích hợp cho những ai muốn đẩy ranh giới sáng tạo.

Khi chúng ta tiếp tục khám phá thế giới đang phát triển nhanh chóng của các công cụ tạo video dựa trên trí tuệ nhân tạo, rõ ràng rằng những công cụ này đang trở nên mạnh mẽ và dễ tiếp cận hơn. Bằng cách hiểu các khả năng độc đáo của chúng, bạn có thể mở khóa những tầng cao mới của sáng tạo và biến ý tưởng của mình thành hiện thực theo cách mà trước đây không thể tưởng tượng được.