近日,《壮志凌云2:独行侠》在戛纳电影节放映,影片中Tom Cruise和Val Kilmer重聚的一幕,引起了在场观众的强烈共鸣。然而在2015年,Kilmer因喉癌失去了声音,演艺生涯近乎跌入谷底。
转机发生在去年8月,一家名为Sonantic的英国科技公司称,通过人工智能语音克隆技术创造出了Kilmer的“原声”,Kilmer也在YouTube发布视频详细介绍了通过AI找回声音的过程。Sonantic的这一举动受到了很多称赞,但也有声音认为,该技术有违社会道德。
我们的科技留言板“有意见”如下
@不倒翁:AI模拟声音,AI构建虚拟人。目前AI技术已经实现了让人类的眼、耳分辨不出到底声音、图像是真实的、还是合成的。我认为这个时候特别需要区块链技术,来实现声音、人像等虚拟数据的溯源。来保证数据不被非法利用。
@长耳朵鱼:可以预料到声音克隆技术的商业前景,最明显的就是名人的声音价值,有了声音样本,似乎代言广告、直播带货、影视节目等更不需要真人了。
@独木舟/@周一见:在语音合成领域,由于AI克隆技术的出现,繁琐的配音工作有望被取代。但是克隆的声音,家人朋友都无法分辨,容易被不法之人利用,需要完善的法律法规制约。而对于特殊人群,利用AI重现声音可以说是雪中送炭了。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。