近日，一项名为ZeroSwot的新方法被提出，通过独特的技术，成功突破了语音和文本之间的差异以及数据缺乏等难题，实现了提高语音翻译准确度的目标。具体来说，ZeroSwot通过使用语音识别数据训练语音编码器，然后将其与...

苹果推出了一款名为MGIE的开源AI模型，用于图像编辑，使用多模态大语言模型来解释文本指令并执行像素级编辑。这种模型可以将人类语言翻译成图像编辑操作，例如“使图像更亮”或“添加红色滤镜”。苹果表示，MGIE的目的是...

Roblox开发了一种AI模型，能够实时翻译16种语言的文本聊天，以打破语言壁垒，增强用户参与度。该模型利用基于转换器的大型语言模型，在混合专家架构中实现了高效的资源利用，同时保持了其隐私和安全流程。

Meta最近展示了一项新的技术，可以实现语音克隆和翻译的无缝衔接。该技术使用深度学习和自然语言处理等技术，可以在不改变说话者声音和语调的情况下，将一种语言翻译成另一种语言。这种技术将为多语种交流和语言学习...

苹果公司发布了两篇论文，介绍了新的三维头像和高效语言模型推理技术，这些技术可以让AI系统在iPhone和iPad上运行。这些技术的引入将使iPhone和iPad变得更加智能，更加个性化。这意味着用户可以在他们的设备上运行更...

Google推出了Imagen 2，这是一种增强的AI图像模型，可供经批准的Google Cloud Vertex AI用户使用，提供文本渲染，标志以及多语言翻译等新功能。Imagen 2可以通过Google Cloud的AutoML API和Vision API实现。该模型使...

Humane的AI Pin是一款价值699美元的无屏可穿戴设备，由每月24美元的订阅服务提供支持，拥有创新的交互方式，可在T-Mobile的网络上提供语言翻译、AI辅助摄影和个人助手工具等功能。

谷歌将用多模态AI模型Gemini取代PaLM 2，并将其引入Makersuite，提供图像和文本识别功能。该公司还拥有一个名为Stubbs的隐藏工具，使用户可以构建和启动AI生成的应用原型。Makersuite将很快完全支持语言翻译。