据悉,6月17日,豆包电脑版已全量上线AI播客功能。用户上传PDF或网页链接后,可一键生成双人对话的播客节目,语音效果高度拟人,对话流畅、自然。
有参与内测的用户表示,会将一些较长的学习资料发给豆包,一键转成语音,随时随地「轻松听长文」。AI播客生成的对话在音色上十分接近真人,甚至停顿、语气词等细节都与日常讲话无异。
据介绍,该能力基于豆包大模型团队推出的语音播客模型。传统 AI 播客通常不够口语化、听感机械且缺乏互动,豆包语音播客模型凭借高度拟人的语音效果,结合真人专业播客中自然附和等口语习惯,让对话效果达到了专业播客DESHUIPING 。同时,该模型基于流式模型构建,通过端到端的便捷链路,让文本创作到双人对话式播客仅需秒级转化,实现“低成本、高时效、强互动”的创作体验。
该功能已在扣子空间、豆包电脑版上线。目前,豆包App也已开启小流量测试,将于近期全量上线,方便用户随时「听长文」。
好文章,需要你的鼓励
数据分析平台公司Databricks完成10亿美元K轮融资,公司估值超过1000亿美元,累计融资总额超过200亿美元。公司第二季度收入运营率达到40亿美元,同比增长50%,AI产品收入运营率超过10亿美元。超过650家客户年消费超过100万美元,净收入留存率超过140%。资金将用于扩展Agent Bricks和Lakebase业务及全球扩张。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。
医疗信息管理平台Predoc宣布获得3000万美元新融资,用于扩大运营规模并在肿瘤科、研究网络和虚拟医疗提供商中推广应用。该公司成立于2022年,利用人工智能技术提供端到端平台服务,自动化病历检索并整合为可操作的临床洞察。平台可实现病历检索速度提升75%,临床审查时间减少70%,旨在增强而非替代临床判断。
上海AI实验室发布OmniAlign-V研究,首次系统性解决多模态大语言模型人性化对话问题。该研究创建了包含20万高质量样本的训练数据集和MM-AlignBench评测基准,通过创新的数据生成和质量管控方法,让AI在保持技术能力的同时显著提升人性化交互水平,为AI价值观对齐提供了可行技术路径。