AI资讯谷歌Gemini Omni：将图像、音频和文本转化为视频，这仅仅是开始
三年前，谷歌推出了Gemini，目标是打造一个多模态大型语言模型——一个能够处理文本、图像、音频和视频，并能生成任意格式内容的单一神经网络。 如今，在谷歌I/O开发者大会上，谷歌迈出了实现这一目标的重要一步，发布了Gemini Omni。这是一系列多模态模型，谷歌CEO桑达尔·皮查伊表示，Gemini Omni能够“从任何输入创造任何内容”。 Gemini Omni首先聚焦于视频生成。用户可以将图
#数字虚拟形象
按标签聚合查看文章内容。
AI资讯
AI资讯我打造了一个可互动的数字化虚拟形象——你可以与它对话
当Synthesia视频生成初创公司的企业事务负责人Alexandru Voica今年夏天给我发来一条链接，介绍他们公关团队的新成员时，我感到很惊讶。那是一个他的互动虚拟头像，经过训练可以回答关于Synthesia的常见媒体提问，比如公司做什么以及如何运作。就在前一天，我还参加了一个小组讨论，公关人员问我是否介意使用AI生成文本的推介。但Alexandru的虚拟形象远不止于此——在我看来，这简直是