小互日报-1 月 12 日

1⃣️ ? Anim400K数据集介绍：

• 超过425,000个音视频剪辑，总时长763小时。
• 涵盖190多部作品，包含英语和日语内容。
• 适用于自动配音、同步翻译、视频概括和分类等任务。 ? https://x.com/xiaohuggg/status/1745776503613505681?s=20

2⃣️ ? LEGO多模态理解模型：

• 由字节跳动和复旦大学开发。
• 支持图像、音频、视频输入，具备精准定位能力。
• 可用于识别图像中物体位置，视频事件时间点，音频声源。 ? https://x.com/xiaohuggg/status/1745763961323262056?s=20 ? https://lzw-lzw.github.io/LEGO.github.io/

3⃣️ ? 苹果的跨语言理解能力提升：

• 对比校准指令（AlignInstruct）强化多语言生成。
• 改进未见和低资源语言翻译。
• 有效翻译多达24种未见语言。 ? https://x.com/xiaohuggg/status/1745713962325536881?s=20

4⃣️ ? 奥特曼在YC W24的演讲重点：

• 暗示通用人工智能（AGI）接近实现。
• 建议以AGI实现为前提进行创业和技术开发。
• GPT-5可能实现指数级跳跃，带来挑战。
• 使用最先进模型比微调更有效。
• OpenAI API将变得更快、可靠、便宜。
• 不建议专注于解决GPT-4限制。 ? https://x.com/xiaohuggg/status/1745703281652101321?s=20

5⃣️ ? RADicalMotionAI面部捕捉技术：

• 同时捕捉视频中的身体动作和面部表情。
• 适用于单一视频，转化为动画数据。
• 支持实时发送到Blender、Unity、Unreal Engine。
• 动画数据可导出为FBX格式。 ? http://radicalmotion.com ? https://x.com/xiaohuggg/status/1745678100829233310?s=20

6⃣️ ? Ready Player Me服装设计创新：

• 使用Stable Diffusion和ControlNet生成服装纹理。
• 根据文本描述自动创建样式，如“蒸汽朋克”风格。
• 适用于3D模型，包含真实细节和质感。
• 支持多种风格，快速试验设计理念。
• 训练数据集包含约1000个Ready Player Me资产。 ? https://x.com/xiaohuggg/status/1745670879978414168?s=20