9. 多模态AI将成为新常态。苹果公司的Ferret和特斯拉的FSD正在引领潮流。但挑战也会随之而来。视觉、听觉,甚至是感觉?
论文地址:https://arxiv.org/abs/2309.14030v3
斯坦福大学的Mostafa Mousavi和Gregory Beroza等科学家,在研究如何使用机器学习来用单个地震台的地震数据来预测地震的震级,这对地震的早期预警系统来说非常有用。
近期,有网友制作了类似小米官方风格的价格海报,其中标注小米汽车SU7后驱标准版首发预售价9.9万、小米汽车SU7四驱Max版首发预售价59.9万等。然而,这些价格信息并未得到官方证实。
除了可以从文字生成音乐外,它还支持图像、视频和音频生成音乐,并且还可以编辑已有的音乐。该项目利用了MERT等编码器进行音乐理解,ViT进行图像理解,ViViT进行视频理解,并使用MusicGen/AudioLDM2模型作为音乐生成模型(音乐解码器)。用户可以轻松移除或替换特定乐器,调整音乐的节奏和速度。这使得用户能够创造出符合其独特创意的音乐作品。