到2024年,我们将看到更多实时图像、音频和视频生成传播应用。
但是这种「慢地震」持续的时间会很长,最长可能长达几年时间。
就拿跨年夜那天晚上的活动来说,当晚有很多玩家一直守在游戏里、全程录屏,和他们的蛋搭子相约在零点合影,甚至还有人说这是他见过「游戏中最震撼的跨年秀」:不管是游戏中颇有创意的灯光秀表演、巨大的全息鲸鱼投影,还是之后欢乐的蹦迪现场和互动彩蛋,都让不少玩家沉浸在蛋仔构建的世界中。
据悉,M2UGen采用了创新的方法,生成了大规模的多模态音乐指导数据集,用于训练模型。这包括MU-LLaMA模型生成的1.2k多小时音乐字幕数据集。模型结合了MU-LLaMA、BLIP图像字幕模型、MPT-7B-Chat模型以及VideoMAE字幕模型,以在各个领域生成对应的指导。
新鲜AI产品点击了解:https://top.aibase.com/