摩根大通发布了DocLLM,一款专为多模态文档理解设计的生成式语言模型,通过轻量级扩展LLM,避免昂贵的图像编码器,以提高文档分析效能。
项目地址:https://top.aibase.com/tool/dreamtalk
2024年将是视频之年。虽然机器人和嵌入式代理才刚刚起步,但我认为AI视频将在未来12个月内迎来突破性发展。包括输入和输出两个方面。
矢量数据库开始开发类似SQL的接口,并支持多模态。
多种配音角色选择: 提供多种配音角色,包括edgeTTS以及支持openai的TTS模型,用户可以根据需求选择最合适的配音风格。