🚀 采用创新方法生成大规模音乐指导数据集,展示出色的音乐生成和编辑能力。
“O”:视频输出。2023年,我们看到了文字到视频合成的浪潮:WALT(谷歌)、EmuVideo(Meta)、Align Your Latents(英伟达)、Pika等等,数不胜数。然而,大多数生成的片段仍然很短。我将它们视为AI视频的“系统1”——“无意识”的局部像素运动。
提示一如既往地重要,但提示工程(乱用令牌)的重要性将下降。
DeWave的训练流程主要分为三个阶段:1)自监督编码器预训练(仅原始EEG脑磁波),这一阶段会先训练一个脑电波自编码模型,输入原始EEG波形,通过重建实现自监督。这样可以提取有用的时域和频域特征。
如今,许多备受尊敬的科学家,都在各自的子领域中取得了进展。