- 《a16z 发布 AI 语音 Agent 图谱：重塑通话的时机到了》a16z 发布的 AI 语音 Agent 图谱指出，现在是重新定义电话的时代。人工智能技术让语音通话更高效，节省成本，提升用户体验。对企业来说，可以提高收入、降低风险；对消费者来说，提供免费高质量服务。AI 语音助手的发展机遇在于构建效率、垂直专业化、实际业务范围。技术架构包括多模态模型、全栈解决方案和自定义组装。B2B 语音助手演变从 IVR 到 AI 2.0，重点在特定行业、法规和集成。未来趋势是向更自然、更人性化的 AI 语音助手发展。
- 《纽约大学 Alex Sheng：AI 程序员 Devin 的自我迭代之路 | Agent Insights》介绍了纽约大学的 AI 程序员 Alex Sheng 开发的 Self-Improving Computer Agent，能够自我进步迭代。他在研究中受到 Jurgen Schmidhuber 的启发，通过在计算机 OS 系统中生成和执行代码，实现 Agent 的自我增强与完善。虽然目前仍有一些限制，但这种技术有望应用于计算机任务的自动化执行，具有较强的可编辑性和创造性。
- 《OpenAI联创：RLHF是超级智能的秘密武器》本文是关于 OpenAI 联合创始人 John Schulman 的访谈，他认为模型的 post-training 和处理连续任务能力将是未来超级智能的关键。在未来，模型将能够执行更复杂和深度的任务，如编程项目完成、纠错能力增强等。模型的泛化能力将帮助其在出现问题时迅速自我调整。随着模型能力的提升，未来将会面临更高的训练成本，但也可能出现阶段性转变，使模型具备处理连续任务的能力。然而，尽管模型会变得与人类一样聪明，仍需解决一些小缺陷和挑战，才能达到人类水平或更高水平的智能。
- 《如何让自己的歌曲发布时更“好听”》本文介绍了如何通过在线 AI Mastering 网站让自己的歌曲在发布时更加 “好听”。推荐了几个提供 AI Mastering 服务的网站，并详细介绍了使用免费网站的步骤，包括上传文件、选择处理模式、配置参数等。通过这些步骤，可以让歌曲的质量得到提升，更符合发布标准。
- 《RAG提示工程系列（3）| 迈向工程化应用》作者：蓝衣剑客、云中江树，本文介绍了在 AI 领域中如何进行工程化应用，重点讨论了 RAG 框架的选择、业务流设计和提示词编写等步骤。通过实践经验分享，提出了在落地大模型解决方案时需优先考虑解决方案、重视应用层面，以及根据特定需求设定模型功能的重要性。文章强调了工程化在 AI 落地应用中的关键作用。
- 《OpenAI：GPTs 向全部用户开放，使用 GPT-4o》OpenAI 宣布对所有客户免费开放了网络搜索、视觉、数据分析和文件上传功能，甚至 GPTs 开放给所有用户使用，使用最新的 GPT-4o 模型。建议开发者测试和审查他们的 GPT，确保其表现如预期。
- 《从美国软件企业的统计数据看AI的发展情况 》来自 五源资本的翻译文章，根据美国软件企业的统计数据，2023 年软件企业的 ARR 增长率下降，融资困难加剧，60% 的企业使用 GenAI 技术，面临盈利挑战。部分企业采用 GenAI 功能后，研发投入增加，净收入留存率提高。GenAI 原生类企业获得更多投资。
?Xiaohu.AI 日报「5 月 30 日」 ✨✨✨✨✨✨✨✨ 1⃣️ ?️山寨版阿里AnimateAnyone开源：
- 利用图像和视频中的人物姿势来合成动画。
- Novita AI开源并提供API支持。
- 提供照片和视频，即可自动生成动画。 ? GitHub：https://github.com/novitalabs/AnimateAnyone ? API：https://novita.ai/playground#animate-anyone ? https://x.com/imxiaohu/status/1796191458052944072
2⃣️ ?ViViD视频虚拟试穿技术：
- 阿里巴巴开发，可以替换视频中人物的衣服。
- 生成真实自然的视频，支持多种服装类型。
- 在视觉质量、时间一致性和细节保留方面表现优异。 ? https://x.com/imxiaohu/status/1796019244678906340
3⃣️ ?udio-130音乐生成模型：
- Udio新推出，生成2分钟的音频，提升曲目连贯性和结构。
- 新增高级控制功能：随机种子、剪辑时间、提示词或歌词强度调节。 ? 详细：https://xiaohu.ai/p/8738 ? https://x.com/imxiaohu/status/1795999902830629249
4⃣️ ?Codestral代码生成模型：
- Mistral AI推出，支持80多种编程语言，包括Python、Java、C等。
- 自动完成代码、编写测试，并能填补未完成的代码部分。
- 拥有32k上下文窗口，在多项基准测试中表现出色。 ? 详细：https://mistral.ai/news/codestral/ ? https://x.com/imxiaohu/status/1795987350713192937
5⃣️ ?Suno音乐演示：
- 新视频展示从任何声音创作歌曲。
- VOL-2：古典钢琴加法国手风琴，由钢琴家兼工程师Anessa表演。 ? https://x.com/imxiaohu/status/1795976717905043467
