
新MusicGen
MusicGen 是一款开源的人工智能音乐生成模型,它能够根据文本描述或旋律来创造新的音乐。这个模型使用了单语言模型(LM)技术,可以生成高质量的音乐,而且可以通过文本或旋律的指导来操作。MusicGen 的性能已经在多项研究中得到了证实,它在音乐生成方面的表现优于了现有的方法。
Mini-Gemini是一个简单而有效的框架,用于增强多模态视觉语言模型(VLMs),由中国香港中文大学和 SmartMore 的研究人员共同推出。Mini-Gemini支持一系列密集和MoE大型语言模型(LLMs),从2B到34B。为了增强视觉token,该框架建议在不增加视觉token数量的情况下,利用额外的视觉编码器进行高分辨率细化...
虽然 Mini-Gemini 在处理复杂的视觉和文本任务时表现出高效性和精度,但研究人员也指出,它在视觉理解和推理能力方面仍有改进空间,未来的工作将探索更高级的方法。