AGI 即 artificial general intelligence，指通用人工智能，能够做任何人类可以做的事。 OpenAI 在其内部会议上分享了 AGI 的五个发展等级： 1. 聊天机器人（Chatbots）：具备基本对话能力，主要依赖预设脚本和关键词匹配，用于客户服务和简单查询响应。 2. 推理者（Reasoners）：具备人类推理水平，能够解决复杂问题，如 ChatGPT，能根据上下文和文件提供详细分析和意见。 3. 智能体（Agents）：不仅具备推理能力，还能执行全自动化业务，但目前许多 AI Agent 产品在执行任务后仍需人类参与，尚未达到完全智能体的水平。 4. 创新者（Innovators）：能够协助人类完成新发明，如谷歌 DeepMind 的 AlphaFold 模型，可预测蛋白质结构，加速科学研究和新药发现。 5. 组织（Organizations）：最高级别的 AI，能够自动执行组织的全部业务流程，如规划、执行、反馈、迭代、资源分配和管理等。 目前，AI 分为 ANI 和 AGI，ANI 得到巨大发展但 AGI 还没有取得巨大进展。ANI 即 artificial narrow intelligence 弱人工智能，只可做一件事，如智能音箱、网站搜索、自动驾驶、工厂与农场的应用等。

以下是关于如何用 AI 做一款游戏的相关内容： 首先，需要明确艺术家在游戏创作中并非处于被取代的危险之中。AI 可以辅助艺术家，就像早期手绘动画中的分工，艺术家设置创意方向，AI 承担部分耗时和技术执行工作。目前仍处于这场革命的初期，许多实践仍需完善。 AI 有望在游戏中发挥重要作用，能使生产高质量游戏更简单、快速和低成本，让玩家定制游戏体验。开发高质量游戏需要大量成本和资源，AI 虽不太可能完全取代人类艺术家，但能为其团队注入动力，提高效率。 已经有一些 AI 工具和平台，如 Scenario、Iliad、Promethean、Inworld、Charisma 和 Convai 等，可用于创建游戏资源和非玩家角色。AI 不仅推动更多游戏的创造，还将促进新型游戏的发展，如基于文本的游戏。 麦橘曾举办教大家用 AI 做小游戏编程的跨界活动。他认为机制对简单小游戏很重要，并分享了使用 Poe 制作小游戏的经验，如通过描述想要的效果让 AI 调整，最终做出游戏并搭建排行榜。麦橘还谈到了增量游戏、肉鸽游戏及其制作与 AI 交互的相关内容。

以下是 OpenAI 春季发布会中关于将照片转换为漫画的一些示例： 输入：一名留着中长棕色头发、留着胡须的年轻白人男子表情中性。他戴着眼镜，穿着浅灰色 T 恤。背景是简单的米色，方形。图像整体基调卡通俏皮。 输出：相应的漫画。 输入：一位黑发、笑容灿烂的年轻人摆出专业的头像。他穿着深色西装外套，系着图案领带，散发出优雅而专业的气息。他的眼睛明亮，笑容真诚，传达出幸福和自信的感觉。背景是中性灰色，将焦点放在拍摄对象的脸上。 输出：相应的漫画。 输入：一位留着及肩黑发的年轻亚洲女性摆出姿势拍照。她穿着绿色高领毛衣，表情中性。她的眉毛修整整齐，涂着淡粉色的口红。背景是一面朴素的白墙。 输出：相应的漫画。 输入：一位留着整洁黑发、戴着眼镜的年轻亚洲男子摆出姿势拍照。他表情温和，穿着一件休闲的靛蓝色 T 恤。柔和的灯光在中性背景下突出了他的五官，给照片带来了平静的感觉。 输出：相应的漫画。 输入：一名浅棕色头发的年轻白人对着镜头微笑。他穿着一件简单的黑色 T 恤，表情随意、轻松。背景似乎是一个郁郁葱葱的绿色花园，为肖像增添了一种充满活力和自然的感觉。 输出：相应的漫画。 输入：一位年轻的印度男子站在他的家中，脸上挂着欢迎的微笑。他有一头深色短发，穿着一件带有热带图案的蓝色衬衫。背景中的厨房为图像增添了舒适和居住的感觉。 输出：相应的漫画。 输入：一位年轻的白人男子在户外摆姿势，笑容温暖，留着浅棕色短发。他穿着一件经典的蓝色衬衫，给人一种利落又平易近人的感觉。背景柔和模糊，将注意力集中在他友好的表情和随意的举止上。 输出：相应的漫画。 您可以参考以上示例，了解 OpenAI 在照片转漫画方面的能力。但需要注意的是，目前 OpenAI 暂未直接提供将照片转换为漫画的公共服务。您还可以尝试其他专门用于照片转漫画的工具或软件，如 Adobe Photoshop、Prisma 等。

端到端语音技术目前取得了显著进展。 在语音合成方面： 语音合成将文本转换为可听的声音信息，是人机交互的重要接口，一般包括 TTS、歌唱合成等领域。 当代工业界主流语音合成系统包括文本前端和声学后端两个部分。文本前端将输入文本转换为层次化的语音学表征，声学后端基于此生成语音，主要技术路线包括单元挑选波形拼接、统计参数和端到端语音合成方法，当代主要采用端到端声学后端。 端到端声学后端一般包括声学模型和声码器两部分，也出现了直接从音素映射为波形的完全端到端语音合成系统。 在全模态智能体方面： OpenAI 发布的 GPT4o 是新模型通过端到端的神经网络，把视觉、语音和文本数据混合训练，对音频输入的平均反应时间为 300 毫秒，与人类对话的反应时间相似。 直接拿音频数据来训练的好处是模型能从数据中感悟到人类表达的情绪、语调、风格等，能听到几乎真实的人类的声音。 OpenAI 未公开 GPT4o 的技术细节，唯一线索来自内部模型炼丹师的一篇博客，项目名是 AudioLM，目标是用端到端的方式扩大语音模型的能力。

构建一个 AI 数字人分身主要包括以下两个方面： 一、构建数字人躯壳 数字人的躯壳建模有多种方式： 1. 2D 引擎：风格偏向二次元，亲和力强，定制化成本低，在日本、东南亚等国家比较受欢迎，也深受年轻人喜欢。能将喜欢的动漫人物变成数字人的躯壳。代表是 Live2D Cubism。 2. 3D 引擎：风格偏向超写实的人物建模，拟真程度高，定制化成本高。目前有很多公司都在做这个方向的创业，已经可以实现用户通过手机摄像头快速创建一个自己的虚拟人身体。如 NextHuman、Unity，虚幻引擎 MetaHuman 等。但个人学习在电脑配置和学习难度上有一定门槛。 3. AIGC：虽然省去了建模流程，直接生成数字人的展示图片，但弊端也明显，算法生成的数字人很难保持 ID 一致性，帧与帧的连贯性上会让人有虚假的感觉。如果项目对人物模型真实度要求没有那么高，可以使用这种方案。典型的项目有 wav2lip等。AIGC 还有一个方向是直接生成 2d/3d 引擎的模型，而不是直接生成数字人的最终展示部分，但该方向还在探索中。 建好的模型可以使用 web 前端页面（Live2D 就提供了 web 端的 SDK）或者 Native 的可执行程序进行部署，最后呈现在用户面前的是一个 GUI。 二、构建数字人灵魂 有了数字人躯壳，还需要构建数字人的灵魂，让数字人具备各种智能，比如记得个人信息，充当个人助手；在某个领域具备更专业的知识；能处理复杂的任务等等。实现这些能力有以下几个工程关键点： 1. AI Agent：要想数字人像人一样思考就需要写一个像人一样的 Agent，工程实现所需的记忆模块，工作流模块、各种工具调用模块的构建都是挑战。 2. 驱动躯壳的实现：灵魂部分通过接口定义，躯壳部分通过 API 调用，调用方式可以是 HTTP、webSocket 等，视躯壳部分的实现而定。但包含情绪的语音表达以及如何保证躯壳的口型、表情、动作和语音的同步及匹配，目前主流方案只能做到预设一些表情动作，再做一些逻辑判断来播放预设，语音驱动口型相对来说成熟一些，但都是闭源的，效果可以参考 Nvidia 的 Audio2Face。 3. 实时性：由于整个数字人的算法部分组成庞大，几乎不能实现单机部署，特别是大模型部分，所以算法一般会部署到额外的集群或者调用提供出来的 API，这里面就会涉及到网络耗时和模型推理耗时，如果响应太慢就会体验很差，所以低延时也是亟需解决的一个问题。 4. 多元跨模态：仅仅是语音交互的数字人是远远不够的，人有五感（听觉、视觉、嗅觉、触觉、味觉），听觉只是其中一种，其他的感官可以根据实际需求来做，比如视觉可以通过添加摄像头数据来获取数据，再通过系列 CV 算法做图像解析等。 5. 拟人化场景：正常和人交流的时候不是线性对话，会有插话、转移话题等情况，这些情景需要通过工程丝滑处理。

AI 数字人是运用数字技术创造出来的人，虽现阶段不能如科幻作品中的人型机器人般高度智能，但已在生活各类场景中常见，且随 AI 技术发展正迎来应用爆发。目前业界尚无关于数字人的准确定义，一般可根据技术栈不同分为两类： 1. 真人驱动的数字人：重在通过动捕设备或视觉算法还原真人动作表情，主要应用于影视行业及直播带货。其表现质量与手动建模精细程度及动捕设备精密程度直接相关，不过随视觉算法进步，在无昂贵动捕设备时也可通过摄像头捕捉人体骨骼和人脸关键点信息实现不错效果。 2. 算法驱动的数字人：强调自驱动，人为干预更少，技术实现更复杂。一个最简单的算法驱动数字人大致流程包含三个核心算法： ASR（Automatic Speech Recognition，语音识别）：能将用户音频数据转化为文字，便于数字人理解和生成回应。开源代码如 openai 的 whisper（https://github.com/openai/whisper）、wenet（https://github.com/wenete2e/wenet）、speech_recognition（https://github.com/Uberi/speech_recognition）。 AI Agent（人工智能体）：充当数字人大脑，可接入大语言模型，如 ChatGPT、Claude、ChatGLM、文星一言、千帆大模型、通义千问等。Agent 部分可用 LangChain 模块自定义（https://www.langchain.com/）。 TTS（Text to Speech，文字转语音）：将数字人依靠 LLM 生成的输出文字转换为语音。开源代码如微软的 edgetts（https://github.com/rany2/edgetts），只能使用预设人物声音且接口免费；VITS（https://github.com/jaywalnut310/vits）及其分支版本，可自己训练想要的人声；sovitssvc（https://github.com/svcdevelopteam/sovitssvc）专注于唱歌。 除算法外，人物建模模型可通过手动建模（音频驱动）或 AIGC 方式生成人物动态效果（如 wav2lip 模型）实现一个最简单的数字人，但这种简单构建方式存在诸多问题，如如何生成指定人物声音、TTS 生成的音频如何精确驱动数字人口型及动作、数字人如何使用知识库做出某个领域的专业性回答等。

Microsoft 365 Copilot 需订阅 Microsoft 365 才能使用，微软将于 12 月 1 日在中国大陆免费提供 Copilot 功能给企业和教育机构。Copilot AI 模型支持联网获取数据。

以下是一些可以帮助您对表格信息进行更好查重的 AI 工具： 1. Excel Labs：这是一个 Excel 插件，新增了基于 OpenAI 技术的生成式 AI 功能，可用于 Excel 中的数据分析和决策支持。 2. Microsoft 365 Copilot：微软推出的 AI 工具，整合了包括 Excel 在内的多种办公软件，用户能以聊天形式告知需求，由 Copilot 自动完成任务，如数据分析、格式创建等。 3. Formula Bot：提供数据分析聊天机器人和公式生成器两大功能，用户可通过自然语言交互式地进行数据分析和生成 Excel 公式。 4. Numerous AI：支持 Excel 和 Google Sheets 的 AI 插件，除公式生成外，还能根据提示生成相关文本内容、执行情感分析、语言翻译等任务。 随着技术的不断发展，未来可能会有更多 AI 功能被集成到 Excel 中，进一步提高工作效率和数据处理的智能化水平。请注意，以上内容由 AI 大模型生成，请仔细甄别。

AI 生成音乐是利用人工智能技术，特别是机器学习和深度学习算法，来创作、编排和生成音乐的。以下为您介绍一些相关工具和公司： AI 生成音乐的工具： 1. Udio：由前 Google DeepMind 工程师开发，通过文本提示快速生成符合用户音乐风格喜好的高质量音乐作品。 2. Suno AI：是一款革命性的人工智能音乐生成工具，它通过先进的深度学习技术，能够将用户的输入转化为富有情感且高质量的音乐作品。 人工智能音频初创公司（音乐创作与制作领域）： 1. （被 Apple 收购）我们的音乐帮助品牌与受众建立更深层次的连接。 2. 下一代音乐制作人。 3. 由 AI 驱动的软件引擎，可以生成音乐。它可以对手势、动作、代码或其他声音作出反应。 4. 全球最大的音乐教育平台。 5. 用于创作歌曲和音频录制的应用程序。 6. 提供无缝录音室体验的一体化在线协作平台。 7. 专业音频、语音、声音和音乐的扩展服务。 8. 视频编辑的音频解决方案。 9. 由 AI 驱动的音乐工作室。 10. 通过直观的软件/硬件生态系统为音乐演奏者提供世界级声音的民主化访问。 11. AI 音频插件和社区，弥合 AI 研究与创意之间的差距。 12. 为音乐人、制作人和内容创作者提供 AI 驱动的混音服务。 13. 为创作者提供的在线音乐软件：音乐母带处理、数字音乐发行、分期付款插件、免费样本包和协作工具。 此外，还有 108 个舞蹈音乐提示词，每个提示精心制作，以有效地封装各种舞蹈音乐流派的具体特点和大气质量，同时确保适应不同的聆听环境。用这些来激发您对我们完全遗漏的流派的描述。结合元素、流派、影响等，进一步深化舞蹈音乐的谱系。 内容由 AI 大模型生成，请仔细甄别。

以下是一些在图形处理方面表现较强的 AI 工具： Photoshop 2023 Beta：具有创成式填充功能，能帮助快速生成素材，有良好的图层管理系统和后期处理能力，但生成的图形质量在某些方面可能不如其他专门的 AI 绘图工具，且需要更多的尝试和后期处理来达到满意效果。 Pika：对奇幻感较强的画面把控较好，自然，但真实环境画面易糊，唇形同步功能便捷。 Pixverse：在高清化方面有优势，对偏风景和纪录、有特定物体移动的画面友好，但生成的视频可能有帧率问题。 Runway：在真实影像质感方面表现出色，战争片全景镜头处理好，控件体验感较好，但光影不稳定，易变色。 需要注意的是，不同的 AI 工具在图形处理方面各有优劣，具体的选择应根据您的具体需求和使用场景来决定。