搜索
继OpenAI在5月发布会上展示「期货」GPT-4o的语音功能后，「AI语音助手」类的产品又成为了硅谷科技巨头的必争之地。
视频理解仍然是计算机视觉和人工智能领域的一个主要挑战。最近在视频理解上的许多进展都是通过端到端地训练多模态大语言模型实现的[1,2,3]。然而，当这些模型处理较长的视频时，内存消耗可能会显著增加，甚至变得难以承受，并且自注意力机制有时可能难以捕捉长程关系 [4]。这些问题阻碍了将端到端模型进一步应用于视频理解。
为了将危险扼杀在襁褓中，谷歌就只能进行无差别打击。
时隔5个月，Imagen 3终于可以人人可用了，而且还能支持是生成人物图像。与此同时，谷歌宣布了Gemini AI的重大升级，全新AI定制助手Gems已经面向150多个国家推出。
Noam Shazeer 2021 年离职谷歌，3 年后又以特殊方式重回谷歌。
OpenAI，刚被截胡了？ 紧追着OpenAI的「Her」，谷歌也正式官宣：发布AI语音功能！ 就在刚刚「谷歌制造」的主题演讲中，谷歌宣布推出语音模式Gemini Live。不久后，Gemini Live就会在Gemini移动应用程序中上线。 谷歌和OpenAI的军备竞赛，再一次打响。
在 GPT-4o 进 iPhone 之前，谷歌 Gemini 抢先了一步完成了手机版的落地。 周三凌晨，在人们期待 OpenAI 「草莓大模型」的时候，谷歌在 Made by Google 活动上正式发布了 Gemini Live，以及一系列 Pixel 硬件产品。
这么强的模型，谷歌给大家免费试用。
起猛了，GPT-4o被谷歌新模型超越了！
长上下文大模型帮助机器人理解世界。