在LibriSpeech基准测试中，Nova Sonic的英语、法语、意大利语、德语和西班牙语的单词错误率低至仅4.2%，大幅优于业界标准。尤其是在噪声环境及高音量的多人互动场合，Nova Sonic相较于OpenAI的GPT-4o-转录模型，单词错误率降低了46.7%，显示出其强大的语音识别能力。此外，其平均响应速度仅为1.09秒，较其竞争对手快出0.09秒。

Nova Sonic通过亚马逊Bedrock开发者平台提供服务，采用创新的双向流式API接口，为企业级AI应用开发提供了强大支持。

GPT-ImgEval团队 投稿量子位 | 公众号 QbitAI GPT-4o图像生成架构被“破解”了！ 最近一阵，“万物皆可吉卜力”让GPT-4o的图像生成功能一炮而红，人们随之好奇： ...

据悉，第一代苹果 XR 头显设备 Vision Pro 于 2023 年 6 月正式发布，并在 2024 年 2 月开始海外市场销售，但据多家媒体爆料称，Vision Pro 已在 2024 年 11 月停产，而其生命周期维持了不到 20 个月。

鲸哥也用4o生成了自己的头像，大家看看是不是还挺好玩。要知道此前AI头像生成是小红薯上非常赚钱的副业赛道。现在门槛被打没了，你只需要一句话就可以生成（记得这是3D迪士尼风格即可）。

继此前在今年3月OpenAI宣布旗下大模型GPT-4o上线图像生成功能，并面向ChatGPT、Sora用户开放后。日前有消息显示，OpenAI方面或将为GPT-4o所生成图像打上“ImageGen ”字样的水印。

GPT-4o的问世引发了研究者们对实现全模态模型的浓厚兴趣。尽管目前已经出现了一些开源替代方案，但在性能方面，它们与专门的单模态模型相比仍存在明显差距。 Ola ...

3. 同样，针对于 GPT-4o 的图像生成功能的技术细节，在社交平台上出现了诸多的猜测，例如推测采用了「自回归生成」的技术路径等。也有文章指出，GPT-4o 的图像生成能力大幅提升的关键在于提升了」文本-图像」模态对齐的能力。 [1-2] ...

The Browser Company 是一家明星且特别的公司。 它创办于 2019 年，base 在纽约，累计融资 1.28 亿美元，估值超过 5.5 亿美元。 核心产品 Arc 浏览器，以颠覆性的产品体验吸引了上百万高粘性用户，在硅谷极客们眼中，Arc 是过去五年最酷的浏览器产品，有着远超 Chrome 等传统浏览器的产品设计。

近日，上海人工智能实验室提出了首个面向开放式图文交错生成任务的综合评测基准 OpenING，相关论文成果已被 CVPR2025 接收为 Oral。该基准包含：1）多样化的真实图文生成任务与高质量的标注数据；2）通过增强训练得到的可靠裁判模型 ...

记者了解到，自3月27日淘宝启动AI假图治理以来，近一周时间，平台在搜索、推荐上，已完成对110万假图商品的降权或屏蔽处理，并通过千牛平台累计向41万商家发出存量AI假图整改提醒。同时，截至目前，在商品发布场景，也已累计拦截12.3万AI假图。

山姆·奥特曼和他的团队向众人展示了如何运用GPT-4o技术将自拍照片变为动漫风格的图像。大家很快发现，在这项“吉卜力风格”转换技术中，这款新模型表现得特别出色。它给观众带来了全新的视觉体验，让人眼前一亮，感受到了新技术的魅力。 “吉卜力风格”图片爆火 ...