主要观点总结
本文报道了关于生成式AI的多个进展，包括语音模型、思考模型、3D生成大模型等的应用和更新。文章介绍了各领域的AI技术的新特性、功能及优势。
关键观点总结
关键观点1: WaveForms开发端到端音频大模型，实现实时交互
WaveForms直接将音频输入处理，不经过语音转文本再转语音的步骤，提高了交互的实时性。
关键观点2: Kimi发布k1.5思考模型提升token使用效率
Kimi k1.5通过long2short强化学习技术，将长CoT模型的推理能力转移到短CoT模型，提高了token的使用效率。
关键观点3: 腾讯3D生成大模型2.0支持自动绑骨，实现分钟级生成游戏3D资产
腾讯的混元3D 2.0模型采用几何与纹理解耦生成技术，可生成高精度白模，并支持自动骨骼绑定功能。
关键观点4: T2A-01语音模型展现强语义理解能力
T2A-01语音模型支持多种语言合成，具备多层次情感表达能力，在处理大量同声词时展现出强语义理解能力。
关键观点5: 美图WHEE「AI海报」功能提供一键生成海报
美图推出的WHEE AI海报功能支持一键生成海报，并提供模板和素材生成功能。
关键观点6: 谷歌Gemini完成10万字商业战略书籍的写作
谷歌Gemini通过处理请求token和生成响应token，完成了一本商业战略书籍的写作。
关键观点7: Adobe推出的音乐模型DITTO-2可精准控制音乐强度、旋律
DITTO-2集成两种蒸馏技术和ITO推理时优化技术，可实现实时控制调整音乐的强度、旋律等。
关键观点8: 智谱清影AI视频工具升级支持画面主体大幅度运动
智谱清影AI视频工具通过升级模型结构和训练方法，支持画面主体进行大幅度运动。
关键观点9: 哥大团队细胞「基础」模型揭示人类细胞调控语法
哥大团队通过GET基础模型利用人类细胞染色质数据实现了实验级转录预测精度，揭示了细胞调控语法。
关键观点10: Pytorch负责人强调复合AI的推理能力
随着行业对AI推理能力的重视，Pytorch负责人介绍了Fireworks通过FireOptimizer实现的三维平衡以及多LoRA技术和分布式推理引擎的应用。
文章预览
生成式AI 一、 ChatGPT Voice之父创办语音模型公司，种子轮4000万美金 1. WaveForms开发端到端音频大模型，直接处理音频实现实时交互，不经过语音转文本再转语音的传统步骤； 2. 模型通过标记音频片段的情绪特征来识别和回应情感，而非真正"理解"情绪； 3. 核心技术将音频信号分解为标记后用专门音频变换模型处理，实现更低延迟的对话体验。 https://mp.weixin.qq.com/s/MfkbKWesosNnFxn3f3bEUA 二、 Kimi 发布k1.5思考模型对标o1满血版，还有完整技术报告 1. Kimi k1.5通过long2short强化学习，将长CoT模型的推理能力转移到短CoT模型，显著提升了token使用效率； 2. 采用部分回滚技术处理长CoT特性，通过多次迭代分解长响应为片段，降低计算开销； 3. 实现训练和推理任务的混合部署，利用Kubernetes Sidecar容器共享GPU，转换时间不超过1分钟。 https://mp.weixin.qq.com/s/9DulV_iztK18wg_4B
………………………………
