3月25日

词曲创作只需几秒，「AI作曲家」Suno引爆音乐圈，第一手体验和攻略来了

自从 ChatGPT 在 2022 年底爆火以来，我们已经看到 AI 生成的诸多艺术创作成果：ChatGPT 写出过情节引人入胜的网文，Midjourney 生成过肉眼难辨的人像。最近，AI 搞创作的风终于吹到了「歌曲生成」领域，一款名为 Suno 的 AI 驱动的歌曲生成器，在社区内开始了病毒式传播。其实此前陆续推出的 AI 音乐生成器并不少，比如 Adobe 的 Project Music GenAI ， YouTube 的 Dream Track 和 Voicify AI（现在的 Jammable）。但只有 Suno 被称为「音乐界的 ChatGPT」，其与众不同之处在于，它可以根据简单的提示创建从歌词到人声和配器的所有内容。 Suno 团队近日更新的 V3 模型 —— 首次能够生成广播质量的音乐。目前，Suno V3 在以下几个方面具有显著优势：更好的音频质量；更多样化的风格和流派；更强的提示遵从性，包括更少的幻觉和更优雅的结局。通过 Suno V3，用户现在可以使用免费账户创建两分钟时长的完整歌曲，具体效果取决于自己选择的流派。来源：微信公众号【机器之心】

离职谷歌的Transformer作者创业，连发3个模型大语言模型（EvoLLM-JP）、视觉语言模型（EvoVLM-JP）、图像生成模型（EvoSDXL-JP）

David Ha、Llion Jones 成立的初创公司 Sakana AI 致力于构建生成式 AI 模型。最近，Sakana AI 宣布推出一种通用方法 ——Evolutionary Model Merge。该方法使用进化算法来有效地发现组合不同开源模型的最佳方法，这些开源模型具有不同功能。Evolutionary Model Merge 方法能够自动创建具有用户指定功能的新基础模型。为了测试其方法的有效性，研究团队用 Evolutionary Model Merge 方法演化出能够进行数学推理的日语大语言模型（LLM）和日语视觉语言模型（VLM）。实验结果表明这两个模型在没有经过明确优化的情况下，在多个 LLM 和视觉基准上都取得了 SOTA 结果。特别是，其中进行数学推理的日语 LLM 是一个 7B 参数模型，它在大量日语 LLM 基准上取得了顶级性能，甚至超过了一些 SOTA 70B 参数 LLM。最终，研究团队应用 Evolutionary Model Merge 方法演化出 3 个强大的基础模型：1. 大语言模型（EvoLLM-JP）2. 视觉语言模型（EvoVLM-JP）3. 图像生成模型（EvoSDXL-JP）。来源：微信公众号【机器之心】

剑桥团队开源：赋能多模态大模型RAG应用，首个预训练通用多模态后期交互知识检索器

PreFLMR模型是一个通用的预训练多模态知识检索器，可用于搭建多模态RAG应用。模型基于发表于 NeurIPS 2023 的 Fine-grained Late-interaction Multi-modal Retriever (FLMR) 并进行了模型改进和 M2KR 上的大规模预训练。近期，剑桥大学信息工程系人工智能实验室完整开源了首个预训练、通用多模态后期交互知识检索器 PreFLMR （Pre-trained Fine-grained Late-interaction Multi-modal Retriever）。相比以往常见的模型，PreFLMR 有以下特点：PreFLMR 是一个可以解决文文检索，图文检索，知识检索等多个子任务的通用预训练模型。传统的密集文本检索（Dense Passage Retrieval, DPR）只使用一个向量表征问询（Query）或文档（Document）。PreFLMR 能够根据用户输入的指令（例如 “提取能用于回答以下问题的文档” 或 “提取与图中物品相关的文档”），从庞大的知识库中提取相关的文档，帮助多模态大模型大幅提升在专业知识问答任务上的表现。来源：微信公众号【机器之心】

写给不会代码的你：20分钟上手 Python + AI

在深入学习 AI 时，许多朋友发现需要编程，变得头大。同时，各类教程都默认了你会打命令行，导致入门十分困难。鉴于此，就有了这份简明入门，旨在让大家更快掌握 Python 和 AI 的相互调用。并使你在接下来的 20 分钟内，循序渐进的完成以下任务：完成一个简单程序、完成一个爬虫应用，抓取公众号文章、完成一个 AI 应用，为公众号文章生成概述。

关于 Python：Python 就像哆拉A梦，它:

• 拥有一个百宝袋，装满了各种道具，被称为标准库。当遇到问题时，都可以拿出来直接使用。
• 如果百宝袋里的道具不够用，还可以打电话给未来百货，去订购新道具。在这里：
  • 打电话：对应 pip 一类的工具，可以用来订购任何的道具。
  • 未来百货：对应 GitHub 一类的分享代码的平台，里面啥都有。
• 被全世界广泛使用，尤其是在 AI 领域，所以遍地是大哥

关于 OpenAI API：OpenAI 通过两种方式提供服务:

• 其一：通过 ChatGPT，提供开箱即用的服务，直接对话即可，简单直观。
• 其二：通过 OpenAI API，提供更加灵活的服务，通过代码调用，来完成更多自动化任务，比如全自动将本地的 1 万本小说，从中文翻译成英文。

发现了没，这里的 OpenAI API， 对应着上面未来百货道具。

来源：微信公众号【海外独角兽 】

今年目标1亿活跃用户！Perplexity联手Arc浏览器对抗Google背后产品逻辑

近日，Perpleixity 创始人&CEO Aravind Srinivas 对话了现任 Stripe CTO David Singleton，讨论了 Perplexity 如何构建一种新的 AI 驱动的传统搜索引擎替代方案、迄今为止的历程，以及其背后的技术。
Aravind 的核心观点包括：早期商业模式的重要性：Aravind 强调了早期实现盈利的重要性，认为这有助于构建更可持续、长期的业务，并为公司带来更多的筹码和杠杆。关于产品方向的思考：Aravind 讨论了如何在创业初期确定产品方向，强调了对产品市场契合度的认识和追求，并指出了不断调整和优化产品路线图的重要性。广告模式的演进：Aravind对广告模式进行了思考，强调了广告的相关性对于用户体验的重要性。他认为，未来的广告模式可能会更加融入用户体验，以提高广告的相关性和吸引力。数据收集和处理的挑战：他谈到了在数据收集方面可能面临的挑战，尤其是在争取对特定网站的访问权限方面。同时，他也提到了数据收集中可能出现的偏见问题，以及如何应对这些问题。关于内容生成的思考：Aravind对于内容生成的影响提出了一些见解，特别是针对搜索引擎优化对内容质量的影响。他认为，通过为用户提供高质量的内容，大型语言模型（LLMs）可能会对内容的生成产生积极影响。来源：微信公众号【有新Newin】

LangChain 携手 NVIDIA：RAG加速新篇章

NVIDIA NIM 是一系列用户友好的微服务，它们旨在加速企业内部生成式 AI 的部署进程。这种多功能的运行环境支持包括开源社区模型、NVIDIA AI 基础模型以及自定义 AI 模型在内的广泛 AI 模型。开发者可以利用行业标准的 API，仅需数行代码即可快速构建出企业级的 AI 应用。NIM 基于 NVIDIA Triton Inference Server、NVIDIA TensorRT、NVIDIA TensorRT-LLLLM 等强大的推理引擎，以及 PyTorch 等技术构建，旨在提供无缝的 AI 推理体验，确保您可以自信地在任何环境中部署 AI 应用。无论是在本地服务器还是云端环境中，NIM 都是实现大规模、高性能生成式 AI 推理的最佳选择。开始使用 NIM 非常简单。在 NVIDIA API 目录中，开发者可以轻松访问多种 AI 模型，用于构建和部署生成式 AI 应用。NIM 是 NVIDIA AI Enterprise 的一部分，这是一个全面的、基于云的软件平台，旨在简化生产级 AI 应用的开发和部署流程。来源：微信公众号【AI小智】