AI日报：Runway Gen 3可生成3D巨幅字幕效果；Google Vids 上线测试；百度网盘推宝宝AI长相预测；Luma AI推首尾帧视频生成

欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。

新鲜AI产品点击了解：https://top.aibase.com/

1、炸裂！Runway Gen 3可以生成电影片头3D巨幅字幕效果了

Runway最新推出的Gen-3Alpha视频生成模型在保真度、一致性和动作表现方面有重大改进，不仅生成稳定光影，还展现强大想象力。内测博主展示了3D巨幅字幕效果，Gen3即将对所有人开放使用。模型精细控制运动，审美强大，想象力丰富，符合物理规律，生成速度快。

【AiBase提要:】

⚙️ Runway Gen3 可模仿漫威电影片头效果制作3D巨幅字幕效果

💡 极度稳定的光影效果，保持高质量输出，即使在高速移动场景中

🎥 控制模式包括 Motion Brush、高级摄像头控制、导演模式，生成速度快，审美强大

详情链接:https://top.aibase.com/tool/gen-3-alpha

2、百度网盘一刻相册App推出宝宝AI长相预测功能

百度网盘一刻相册App推出了AI长相预测功能，用户上传照片即可预测宝宝未来样子，训练数据贴合中国宝宝特征，操作简单快速。未来将开发更多实用AI功能，征集用户意见。

【AiBase提要:】

👶 预测宝宝未来样子，训练数据贴合中国宝宝特征，操作简单快速。

📸 上传照片即可得到高清预测图像，提供多种时尚滤镜效果供选择。

🔮 未来将开发更多实用AI功能，如预测孩子不同成长阶段的样子，征集用户意见。

3、谷歌推出AI视频编辑应用Google Vids 上线测试

谷歌最新推出的AI视频编辑应用Google Vids在测试中展现出强大的功能和用户友好的特点，为用户提供了高效、便捷的视频编辑工具。该应用集成Gemini大模型，帮助用户轻松创建视频内容，降低了视频制作门槛，未来有望成为视频创作者的得力助手。

【AiBase提要:】

✨ Google Vids集成Gemini大模型，可帮助用户创建幻灯片、编写视频脚本，并制作分镜头脚本。

🎥 用户通过添加或删除元素来编辑视频，最终导出为MP4文件，入口位于Google Docs文档处理工具中。

🚀 Google Vids的上线测试丰富了Google Workspace套件，展示强大的AI技术能力，为用户提供便捷的视频编辑工具。

4、Luma AI新功能：首尾帧生成视频与向后延长5秒

Luma AI推出了新功能，让视频创作充满无限可能，虽然偶尔会有硬切换画面，但这正是剪辑的魅力所在，让每一秒充满惊喜和创意。未来的视频生成将基于这种延长操作完成，实现智能个性化的视频创作。

【AiBase提要:】

✨ 视频延长魔法：首尾帧生成视频能力，向后延长5秒，让每一帧充满无限可能

💡 创新视频功能“Extend”：智能分析视频内容，保持原有风格和对象一致性的基础上延长视频长度

🌟 Dream Machine模型发布：支持文本和图片输入，生成高质量视频，模拟现实物理特性，免费开放体验

详情链接:https://top.aibase.com/tool/dream-machine

5、全新Solos AirGo Vision智能眼镜发布

Solos公司在香港智能眼镜峰会上发布了全新的Solos AirGo Vision智能眼镜，集成了ChatGPT-4o的可穿戴AI大脑，让用户的双眼瞬间升级为超能力。这款智能眼镜不仅支持实时问答和视觉提示，还具备多语言翻译功能，模块化设计，售价为249美元。

【AiBase提要:】

⭐ 集成 ChatGPT-4o 的多模态 AI 功能，支持实时问答和视觉提示

⭐ 支持超过10种语言的实时翻译，轻松打破语言障碍

⭐ 模块化设计，可替换不同样式的传统框架，售价为249美元

6、商汤如影AI视频生成平台推出央视记者王冰冰AI数字人

商汤科技的AI数字人“AI冰冰”在《2024中国・AI 盛典》中首次亮相，展现了出色的多语言能力和逼真的视觉效果。数字人技术在传媒行业具有巨大潜力，能够拉近人物IP与受众之间的距离。

【AiBase提要:】

✨ 商汤科技创造的AI数字人“AI冰冰”在舞台上展现出专业且自然的表现，得益于SenseNova大模型技术。

🌐 如影平台的AI视频生成技术实现了高清复制和自然的表情、嘴型、动作效果，展示出卓越的语言能力。

🔥 商汤如影提供强大的核心技术支持，使AI冰冰能够展现逼真的视觉效果和流畅的多语种表达能力。

7、知乎宣布推出独立AI搜索平台「知乎直答」

知乎最近推出了全新AI产品「知乎直答」，旨在提升问答效率和质量，缩短用户与优质回答之间的距离，增强社区创作者内容的流通。这一举措预示着问答社区将进入更智能和个性化的新时代。

【AiBase提要:】

🚀 知乎直答是基于知乎丰富问答数据开发的AI产品，提供简略和深入两种答案生成方式，支持用户快速找到所需内容或专家。

💡 产品定位为生产力工具和发现世界的连接器，帮助用户通过提问来探索世界的能力。

🔮 未来计划推出App版本，引入多模态能力，与知乎社区深度融合，探索对外合作，为整个问答领域带来新的发展方向。

详情链接:https://zhida.zhihu.com/

8、WhatsApp最新Android测试版2.24.14.7推出选择Meta AI Llama模型功能

WhatsApp最新测试版引入了选择Meta AI Llama模型的功能，用户可以根据需求自定义AI交互体验，体验更快速简单的回应或处理更复杂的查询。该功能展示了WhatsApp在AI领域持续创新的决心。

【AiBase提要:】

🔍 WhatsApp最新Android测试版2.24.14.7通过Google Play Beta计划推出选择Meta AI Llama模型功能。

🧠 用户可以选择默认的Llama3-70B模型获得更快速简单的回应，或选择高级的Llama3-405B模型处理更复杂的查询。

📈 WhatsApp计划提供更先进的Llama3-405B模型预览版，每周有使用次数限制，达到限制后用户将回到默认模型继续对话。

9、苹果可能在今年秋季宣布与谷歌 Gemini 的交易

苹果计划在今年秋季推出与谷歌 Gemini 的整合交易以及测试版的 Apple Intelligence，将人工智能作为直接盈利途径。第三方AI服务可能成为苹果的过渡选择，同时苹果将逐步推出自己的生成式AI系统。

【AiBase提要:】

🍎 苹果计划整合谷歌 Gemini 到设备中，推出测试版的 Apple Intelligence。

💡 苹果将人工智能作为直接盈利途径，不仅仅是推动硬件销售的功能。

🤖 第三方AI服务可能成为苹果的过渡选择，同时苹果将逐步推出自己的生成式AI系统。

10、GPTPdf：使用类似GPT-4o的多模态LLM分析PDF文件

近日，一款名为gptpdf的开源项目在github赞火，使用了类似 GPT-4o 的 VLLM 模型解析 PDF 文件并转换为 Markdown 格式。该项目代码简洁高效，只有293行，却能完美解析排版、数学公式、表格、图片、图表等各种内容。费用每页平均成本为0.013美元。

【AiBase提要:】

🔍 使用类似 GPT-4o 多模态模型解析 PDF 文件，转换为 Markdown 格式。

💻 代码简洁高效，仅293行。

🌟 解析结果几乎完美包括排版、数学公式、表格、图片、图表等内容。

详情链接:https://top.aibase.com/tool/gptpdf

11、AI音频魔法师Resona V2A 可自动为视频配音效

在AI技术大行其道的时代，Resona V2A技术横空出世，像一位神奇的魔术师，让视频自动开口，唱出属于自己的旋律。这不仅是技术突破，更是创意者的福音。Resona V2A一键生成音频，快速高效，创意者得力助手。高性价比，成本降低99%，提供高质量音频解决方案。

【AiBase提要:】

🔮 视频自动开口，唱出属于自己的旋律，技术突破与创意者福音。

⚙️ 一键生成音频，快速高效，加快音频生成速度，创意者投入更多时间和精力到视频创意设计。

💰 成本降低99%，高性价比的音频解决方案，满足不同用户需求。

详情链接:https://top.aibase.com/tool/resona-v2a

12、AI换装黑科技 MMTryon虚拟试穿框架可按需搭配一键叠穿

中山大学和字节智创数字人团队联合推出的MMTryon虚拟试穿框架颠覆了传统换装方式，实现一键生成模特试穿效果，质量高且操作简便。其服装编码器和多模态多参考注意机制让换装更精确灵活，打破了传统算法束缚，获得新SOTA。MMTryon不仅可试穿单件服装，还支持组合换装，无需分割，通过文本指令即可实现高质量虚拟换装。

【AiBase提要:】

👗 一键生成模特试穿效果，质量高且操作简便

🔥 打破传统算法束缚，获得新SOTA，支持组合换装

💡 利用服装编码器和多模态多参考注意机制，换装更精确灵活

详情链接:https://arxiv.org/abs/2405.00448