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
初创公司Positron获得5160万美元A轮融资,推出专门针对AI推理的Atlas芯片。该公司声称其芯片在性能功耗比和成本效益方面比英伟达H100高出2-5倍,并已获得Cloudflare等企业客户采用。Positron专注于内存优化设计,无需液体冷却,可直接部署在现有数据中心。公司计划2026年推出支持16万亿参数模型的下一代Titan平台。
这项由Midjourney团队主导的研究解决了AI创意写作中的关键问题:如何让AI既能写出高质量内容,又能保持创作的多样性和趣味性。通过引入"偏差度"概念和开发DDPO、DORPO两种新训练方法,他们成功让AI学会从那些被传统方法忽视的优秀独特样本中汲取创意灵感,最终训练出的模型在保持顶级质量的同时,创作多样性接近人类水平,为AI创意写作开辟了新方向。
忽视智能体AI的潜力,特别是其对现代化数据基础设施的需求,面临着与忽视互联网的零售商相同的生存风险。关键不在于是否投资,而在于如何确保投资转化为可衡量的现实收益。企业需要超越AI试验阶段,明确业务目标,从治理开始构建ROI模型。成功的组织在整个技术栈中嵌入智能体,从面向客户的应用到内部治理系统。通过强化数据治理、减少重复工具和统一平台,AI的ROI将从理论变为现实。
上海AI实验室联合多所高校开发出VisualPRM系统,这是首个专门用于多模态推理的过程奖励模型。该系统能像老师批改作业一样逐步检查AI的推理过程,显著提升了AI在视觉推理任务上的表现。研究团队构建了包含40万样本的训练数据集和专门的评估基准,实现了在七个推理基准上的全面性能提升,即使是最先进的大型模型也获得了5.9个百分点的改进。