MEUX 「五月」 AI设计观察

【2】微软GroupMe聊天应用焕新

OpenAI发布GPT-4o，实现了与人类对话丝滑如真人的AI语音助手，引发了科技界的广泛关注。GPT-4o彻底改变人机交互，成为最先进的AI模型。GPT-4o可以与人类对话，反应速度达到人类级别，并具有多模态能力，可同时理解文本、图像、音频等内容，且免费提供给所有用户。在发布会上，GPT-4o展示了实时语音对话功能，表现出高情商和自然连贯的对话能力。

微软5月10日发布新闻稿，宣布重振 GroupMe 应用，集成 Copilot AI 功能，支持一对一通话，而且重新设计了整个应用程序用户界面。GroupMe 是一款免费的群消息聊天软件，比较受学生群体的欢迎。微软于 2011 年收购 Skype 时也同步接管了该应用，在本次重大更新中，最值得关注的改进是整合了 Copilot，用户可以和 Copilot 聊天，或者调用 Copilot 询问相关话题内容。

AI内容生成工具 Flowith 最近发布了公测，通过引入在线白板的概念，将传统的线性聊天记录转变为动态的画布，允许用户以更直观、更自由的方式与AI进行互动。这种新的交互模式为用户提供了更多的可能性，包括使用思维导图发散模式、联网超级搜索模式、生成图片模式等，适用于不同的问题和场景。Flowith 还支持多种AI模型，能够根据用户的提示词自动选择最合适的模型进行交互，为用户提供更加高效、便捷的服务。

一夜之间，一款名为“gpt2-chatbot”的神秘AI模型成为了热门话题，其能力被认为超越了包括GPT-4在内的众多开源模型。gpt2-chatbot在 IMO国际数学奥林匹克竞赛题目、PyOpenGL 中的3D立方体生成、独角兽绘画等方面均表现出色，同时在推理和语境理解方面也显示出惊艳的效果。

2个月前，OpenAI 发布了全新的文生视频模型 Sora，瞬间引爆了全球科技圈，也让马斯克说出了“人类愿赌服输”。在那之后，没有任何一个大模型敢于在文生视频领域“挑衅”Sora。现在，事情有了变化，在4月27日举办的2024中关村论坛上，生数科技与清华大学联合发布了「Vidu」文生视频模型，全面对标 OpenAI 的 Sora。

2月初，OpenAI发布的Sora在文生视频上的革命性突破，一度被视为吹向好莱坞的一场大风暴。尽管早期阶段Sora的表现令人惊艳，但实际应用中它仍需要更多优化以满足复杂项目的需求。用户需要通过详细的文本描述来确保视频片段之间的一致性。尽管如此，Sora在生成独立视频片段方面的技术仍令人赞叹，未来随着更多功能的加入和系统的完善，其应用前景值得期待。

半年前，OpenAI CTO米拉·穆拉蒂曾透露，公司正在研发一款AI图像识别工具，具体来说，该工具能够检测任意一张图片是否由 OpenAI 旗下的图像生成器DALL·E3生成。其识别成功率达到约98%，仅有0.5%非AI生成的图像会被错误地标记为DALL·E3 生成。另外，OpenAI 还透露，他们正在“捣鼓”一种音频水印技术，可以在AI生成的声音中添加难以被篡改或移除的「水印」，使其在播放时能够被轻松识别。

今年五一假期，一款带有黏土滤镜的应用“Remini”开始在各大社交平台走红。尽管尚未完全汉化，但这并不妨碍Remini迅速登顶并霸榜苹果App免费榜第一名。黏土人、丑萌、不稳定输出，是Remini的三个特点。与很多修图软件类似，Remini主要通过AI影像处理技术，在细节、颜色和清晰度等方面增强照片和视频画质，例如用AI技术修复模糊照片以及老照片。

抖音的Flow部门上线了一款名为“星绘”的APP，这是一款AI相机类的产品。值得注意的是，在国外，字节也上线了一款功能相似的APP“Picpic”。据悉，星绘提供丰富的AI生图能力，可以创建处在AI世界的用户，还能够定制多样的分身效果。为了让AI分身看起来多样化，在星绘内还可以让AI分身进行多样穿搭、体验百种职业，以及更换发型等。

Meta公司发布了名为“Meta Horizon OS”的操作系统，并允许第三方公司基于该系统设计头戴显示设备。联想、华硕、LG、微软等公司已确认成为首批合作伙伴，共同推动VR/AR生态系统的发展。Meta希望通过这一开放策略，为元宇宙打造一个更开放的计算平台，为消费者提供更多选择，为开发者提供更大的生态系统。