关于AIGC人工智能、思维方式、知识拓展，能力提升等。投稿/合作： @inside1024_bot
AIGC 领域的最新工具、开源项目以及行业大事件
AIGC 领域的最新工具、开源项目以及行业大事件
这几天Kimi突然在二级市场火了，做二级市场的朋友也开始跟我打听，“Kimi真的很厉害吗？区别在哪里”。
我蛮惊讶的，但不是很意外。
一直以来，无论是chatgpt还是sora两波浪潮，中国AI环境里各种要素有一种“弱者思维”：OpenAI做了，你为什么不做？/OpenAI都没做，你为什么要做？
这样的环境体现在中国AI创始人身上就是不太“敢”或是“能”去做创新的技术战略。在技术路线分散的时候，为一项技术路线赢取支持是一件太难的事情。大家都避免去“赌”。
比如sora赛道的几家中国公司，其实在Sora破圈前就已经自研出了类sora的架构-- diffusion transformer（U- ViT，CVPR2023）。
但是为什么直到sora出现之后，“长视频”这个点才引起了大家的追逐？
因为即使是在已知架构可以带来提升的前提下，“把视频长度做长”这件事在当时仍然是风险远远大于收益的一件事，谁也不知道60秒的视频生成会不会引起全民关注，进而给公司能带来多少资源以支撑自己进一步做下去。
但今天我们看到了什么？
虽然长文本在研究领域一直是比较热的话题，但在工业界，就像sora爆发前的“长视频”一样，大家都觉得这是一个“重要但不紧急”的事项。
去年十月份，月之暗面率先对外介绍自己的“长文本”战略，并且在机器之心独家详细解释了“为什么长文本是重要的”背后逻辑。
在Kimi指数狂扫A股的时候，百度、阿里、360开始紧急上线自己的“长文本”能力。
系统化的战略认知能为一个人带来战略眼光，坚定并真实的信念感能为一个人吸引到同频的支持者，脚踏实地的快速迭代能为一个人时刻校准方向。所有的一切形成了一种不偏不倚的理性勇气，勇气带来了创新，创新带来了领导者地位。
某种角度看，月之暗面已经成为中国的OpenAI。
我蛮惊讶的，但不是很意外。
一直以来，无论是chatgpt还是sora两波浪潮，中国AI环境里各种要素有一种“弱者思维”：OpenAI做了，你为什么不做？/OpenAI都没做，你为什么要做？
这样的环境体现在中国AI创始人身上就是不太“敢”或是“能”去做创新的技术战略。在技术路线分散的时候，为一项技术路线赢取支持是一件太难的事情。大家都避免去“赌”。
比如sora赛道的几家中国公司，其实在Sora破圈前就已经自研出了类sora的架构-- diffusion transformer（U- ViT，CVPR2023）。
但是为什么直到sora出现之后，“长视频”这个点才引起了大家的追逐？
因为即使是在已知架构可以带来提升的前提下，“把视频长度做长”这件事在当时仍然是风险远远大于收益的一件事，谁也不知道60秒的视频生成会不会引起全民关注，进而给公司能带来多少资源以支撑自己进一步做下去。
但今天我们看到了什么？
虽然长文本在研究领域一直是比较热的话题，但在工业界，就像sora爆发前的“长视频”一样，大家都觉得这是一个“重要但不紧急”的事项。
去年十月份，月之暗面率先对外介绍自己的“长文本”战略，并且在机器之心独家详细解释了“为什么长文本是重要的”背后逻辑。
在Kimi指数狂扫A股的时候，百度、阿里、360开始紧急上线自己的“长文本”能力。
系统化的战略认知能为一个人带来战略眼光，坚定并真实的信念感能为一个人吸引到同频的支持者，脚踏实地的快速迭代能为一个人时刻校准方向。所有的一切形成了一种不偏不倚的理性勇气，勇气带来了创新，创新带来了领导者地位。
某种角度看，月之暗面已经成为中国的OpenAI。
Suno 昨晚正式发布了他们的 V3 音乐生成模型，现在所有人都可以使用。
V3 改进的内容主要是：
◦ 音质更佳，带来更加清晰动听的音频体验
◦ 更丰富的音乐风格和流派选择
◦ 提高了对用户指令的精准响应，显著减少误解现象，并确保音乐结尾更加流畅自然
我尝试了一下新的 V3 模型，V3 我感觉起码我愿意在工作的时候循环听了。
更新公告：https://suno.ai/blog/v3
V3 改进的内容主要是：
◦ 音质更佳，带来更加清晰动听的音频体验
◦ 更丰富的音乐风格和流派选择
◦ 提高了对用户指令的精准响应，显著减少误解现象，并确保音乐结尾更加流畅自然
我尝试了一下新的 V3 模型，V3 我感觉起码我愿意在工作的时候循环听了。
更新公告：https://suno.ai/blog/v3
