2024年将是实时扩散应用的一年。
此外，个人版还支持类 Siri 的悬浮语音交互，用户可以通过语音与 AI 工具进行交互。
用户只需在通义千问APP内输入“通义舞王”或“全民舞王”等口令，然后按照提示要求上传自己的照片。系统会在十几分钟内生成一个神形兼备的舞蹈视频，保留原形象的面部表情、身材比例、服装以及背景等特征。
站长之家（ChinaZ.com）1月4日 消息:日前，知名博主“快刀青衣”利用Midjourney V6生成了9个国内著名景点的效果图。这些景点包括少林寺、天坛、长城、桂林山水、九寨沟、兵马俑等等。
LLaVA是一个端到端训练的多模态大模型，它将视觉编码器和用于通用视觉和语言理解的Vicuna相结合，具备令人印象深刻的聊天能力。而CogAgent是在CogVLM基础上改进的开源视觉语言模型，拥有110亿个视觉参数和70亿个语言参数。