冲击DeepSeek R1,谷歌发布新一代Gemini全型号刷榜,编程、物理模拟能力炸裂

谷歌发布Gemini 2.0系列模型,包括Pro、Flash和Lite版本,可生成代码实现复杂任务,并且性能领先。Gemini 2.0 Pro在编码和复杂指令任务中表现最强,已在Google AI Studio和Vertex AI向开发人员提供试用。

AI「视觉图灵」时代来了!字节OmniHuman,一张图配上音频,就能直接生成视频

字节跳动推出的新技术OmniHuman能够利用单张图片和音频生成生动人物视频,支持任意大小的人物占比。OmniHuman采用多模态混合训练策略,从大规模数据中受益,解决了现有方法的局限性。