开发者朋友们大家好:

这里是 「RTE 开发者日报」 ,每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE(Real-Time Engagement)领域内「有话题的新闻」、「有态度的观点」、「有意思的数据」、「有思考的文章」、「有看点的会议」,但内容仅代表编辑的个人观点,欢迎大家留言、跟帖、讨论。

本期编辑:@JLT,@ 鲍勃

01 有话题的新闻

1、阿里巴巴通义大模型成为奥运首个 AI 大模型应用技术提供方

7 月 24 日,阿里巴巴通义大模型在与众多国际科技公司的竞争中获胜后,成为奥运首个 AI 大模型应用的技术提供方。

在即将开幕的巴黎奥运会上,将有一系列 AI 应用亮相。其中就包括阿里 AI 技术支持的 360 度直播特效、黑白影像 AI 彩色修复、碳减排辅助等应用。

另外,巴黎奥运会还将上线首个大模型应用,由阿里通义千问提供技术支持,开放给国际奥组委官方解说员使用,辅助各项赛事解说。(@ 爱范儿)

2、Mistral 发布 Large 2 123B 大模型

法国初创公司 Mistral AI 今天宣布推出 Large 2,这是其新的旗舰机型,在代码生成、数学和推理方面的能力大大增强。Mistral 还在 Large 2 中增加了更好的多语言支持和高级函数调用功能。

Mistral Large 2 型号有 1230 亿个参数,可在单个 H100 节点上以高吞吐量运行。它支持法语、德语、西班牙语、意大利语、葡萄牙语、阿拉伯语、印地语、俄语、汉语、日语和韩语。在编码方面,它支持 80 多种编码语言,包括 Python、Java、C、C++、JavaScript 和 Bash。Mistral Large 2 现已开放权重,但只能免费用于研究和非商业用途。商业用途需获得模型许可。(@CSDN)

3、苹果宣布推出 Apple Maps 网页版地图,全球用户可直接通过浏览器访问

苹果今日宣布旗下 Apple Maps 网页版正式上线并开启全球公测,所有用户均可直接通过浏览器使用地图服务(中国内地 IP 打开该网站默认跳转高德地图)。苹果指出,用户可通过 Apple Maps 网页版获取驾车和步行路线、寻找好的去处、获取目的地信息(包括照片、营业时间、评分和评论),还可以直接从地图卡片上订餐。

借助 Apple Maps 网页版,用户可以浏览精选指南以探索全球各大城市的美食、购物和景点。此外,苹果还宣布将在未来几个月内推出包括「附近」在内的更多有趣功能。

对于开发者来说(包括使用 MapKit JS 的开发者),也可以链接到 Apple Maps 网页版,让用户获取驾车路线、查看详细地点信息等。(@IT 之家)

4、阿里云宣布推出 Llama3.1 系列开源训练推理服务

昨日,阿里云宣布,阿里云百炼平台推出 Llama3.1 系列开源训练推理服务。平台将限时 1 个月为所有用户提供免费算力额度,助力用户玩转 Llama3.1 训练推理。

Meta 于昨天凌晨发布了 Llama 3.1 模型,它包含 8B、70B 和 405B 三个尺寸,最大上下文提升到了 128K,支持多语言,代码生成性能优秀,具有复杂的推理能力。(@ 爱范儿)

5、语音克隆达到人类水平,微软全新 VALL-E 2 模型让 DeepFake 堪比配音员

继去年初的第一代 VALL-E 模型之后,微软最近又上新了 VALL-E 2 模型,标志着第一个在合成语音稳健性、相似度、自然程度等方面达到人类水平的文本到语音模型。

最近,微软发布了零样本的文本到语音(TTS)模型 VALLE-2,首次实现了与人类同等的水平,可以说是 TTS 领域里程碑式的进展。「零样本」意味着推理过程中,模型只能参照一段简短的陌生语音样本,用相同的声音说出文本内容,就像一个能即时模仿的口技大师。

虽然 VALL-E 2 有很强的零样本学习能力可以像配音员一样模仿声音,但相似度和自然度取决于语音 prompt 的长度和质量、背景噪音等因素。(@IT 之家)

02 有态度的观点

1、英伟达黄仁勋:全球企业采用生成式 AI 的关键时刻已经到来

英伟达推出全新 NVIDIA AI Foundry 服务和 NVIDIA NIM 推理微服务,与 Llama 3.1 系列开源模型一起,为全球企业提供生成式 AI 相关服务。

黄仁勋认为,Llama 3.1 开源模型将掀起各个企业与行业创建先进生成式 AI 应用的浪潮。(@ 每日经济新闻)

写在最后:

我们欢迎更多的小伙伴参与「RTE 开发者日报」内容的共创,感兴趣的朋友请通过开发者社区或公众号留言联系,记得报暗号「共创」。

对于任何反馈(包括但不限于内容上、形式上)我们不胜感激、并有小惊喜回馈,例如你希望从日报中看到哪些内容;自己推荐的信源、项目、话题、活动等;或者列举几个你喜欢看、平时常看的内容渠道;内容排版或呈现形式上有哪些可以改进的地方等。

素材来源官方媒体/网络新闻


↙↙↙阅读原文可查看相关链接,并与作者交流