2023-11-19 简讯 : DeepMind 与 YouTu
头条
DeepMind 与 YouTube 合作开发合成音乐
https://deepmind.google/discover/blog/transforming-the-future-of-music-creation
DeepMind 多年来一直致力于音乐合成，现在刚刚发布了一个强大的新系统。 有趣的是，大部分增长来自于收入共享的数据合作伙伴关系。 这意味着它对艺术家的音乐进行训练，以获得更好的表演模型，同时确保艺术家得到补偿。 该模型将以多种形式提供，其中之一是通过 YouTube Shorts Studio 提供。
Meta 宣布视频编辑和创建模型
https://ai.meta.com/blog/emu-text-to-video-Generation-image-editing-research
通常，当人们使用生成模型生成输出图像时，它并不完全是人们想要的。 然而，使用相同模型编辑该图像极具挑战性。 Meta 有一个重要的见解，即将所有generations 都视为指令，从而使编辑功能得以出现。 这与模型架构的新的简单性相结合，是向前迈出的相当好的一步。
微软推出 Deepfake Creator
https://techcrunch.com/2023/11/15/microsoft-launches-a-deepfakes-creator
微软在 Microsoft Ignite 2023 活动上推出了 Azure AI Speech 文本转语音头像，允许用户创建逼真的头像，可以使用文本转语音技术以各种语言说出脚本文本。
研究
大型文档的句子对齐
https://arxiv.org/abs/2311.08982v1
SentAlign 是一种用于在大型并行文档中对齐句子的新工具，能够有效处理数千到数万个句子。
用新方法改进视频问答
https://arxiv.org/abs/2310.15747v1
研究人员发现，大型语言模型有时会因过于依赖语言而忽略实际视频内容而在视频问答(VideoQA)中出现错误。 为了解决这个问题，研究人员引入了一种名为 Flipped-VQA 的新方法，该方法使这些模型更好地理解视频、问题和答案之间的关系，从而获得更准确的结果。
理解学生行为的数据集
https://arxiv.org/abs/2310.16267v1
研究人员扩展了 SCB-ST-Dataset4，该数据集捕获了举手、阅读和写作等活动，以便利用深度学习更好地理解和检测学生的课堂行为。
工程
深入探讨：生产 LLM 开发人员指南
https://buildingaistuff.com/p/the-developers-guide-to-product
使用语言模型构建工具是一门新兴的工程学科，涵盖高性能计算、GPU 编排和监控。
使用纯 Pytorch 加速分段
https://pytorch.org/blog/acceleating-generative-ai
我们可以通过使用 Torch 编译、Sparsity、Triton 的客户内核以及许多其他 PyTorch 性能功能将 Segment Anything 加速 8 倍。
AI 漏洞利用 (GitHub 存储库)
https://github.com/protectai/ai-exploits
针对负责任地披露的漏洞的真实世界 AI/ML 漏洞利用的集合。
杂七杂八
音乐控制网
https://musiccontrolnet.github.io/web
ControlNet 是一种对图像合成模型进行细粒度控制的新颖方法。 现在有一个有点类似的音乐生成模型，可以让人们控制语音和音调等许多功能。
人工智能民主化有一个模型
https://www.programmablemutter.com/p/theres-a-model-for-making-ai-democratic
OpenAI 呼吁在人工智能决策中实施民主程序的提案似乎具有限制性，并且似乎更倾向于在不承担责任的情况下处理敏感的政治问题，这可能会限制人工智能治理中民主的范围和有效性。
Copilot 是一种现有的商业模式
https://matt-rickard.com/copilot-is-an-incumbent-business-model
Copilot AI 商业模式增强了现有工作流程以提高效率，而无需创造新市场或扰乱低端市场，但其真正的颠覆性潜力在于重新构想工作流程，这一挑战可以释放更大的市场机会。
谷歌正在将听不见的水印嵌入到其人工智能生成的音乐中
https://www.theverge.com/2023/11/16/23963607/google-deepmind-synthid-audio-watermarks
谷歌 DeepMind 的 AI Lyria 模型将使用 SynthID 为使用其技术生成的音轨添加水印，使它们可以被识别为 AI 创建的，而不会影响聆听体验，即使在压缩或其他修改之后也是如此。
GPT-4 Turbo Note Taker(新产品)
https://tactiq.io/ai-tools/gpt4-note-taker
让 AI 使用 GPT-4 Turbo 自动化人们的会议记录。
