Анам Кара-3: Достижения в области интерактивных ИИ-аватаров
Anam выпустила свою последнюю модель, cara-3, предназначенную для создания интерактивных аватаров. Аватар использует двухступенчатый конвейер, в котором трансформер диффузии преобразует аудио в векторные представления движений (включая положение головы, взгляд, форму губ и выражение). Эти представления затем применяются к эталонному изображению для генерации видеокадров, что позволяет анимировать любое лицо без необходимости повторного обучения.
Примечательно, что Cara-3 может достичь времени до первого кадра примерно 70 мс на H200, что поддерживает множество одновременных сеансов аватара на одном GPU. Эта скорость частично объясняется новым вариантом сопоставления потока, используемым для преобразования аудио в движения, так как традиционные техники оказались нестабильными.
Независимая слепая оценка показала, что Cara-3 превзошла таких конкурентов, как HeyGen, Tavus и D-ID, набрав в среднем на 24% больше по различным метрикам. Отзывчивость, подтвержденная коэффициентом корреляции Спирмена 0.697, показала, что она больше влияет на пользовательский опыт, чем визуальное качество (0.473).
Anam также открыла исходный код своей тренировочной базы данных, Metaxy, чтобы облегчить итеративную разработку без повторного прохождения затратных этапов.
📖 Читать полный источник: HN AI Agents
👀 Смотрите также
Ухудшение качества контекста в ИИ-агентах: Уровень галлюцинаций растет с увеличением количества токенов
Тестирование показывает, что уровень галлюцинаций увеличивается с ~3% при 10 тыс. токенов до ~28% при 200 тыс. токенов, при этом точность воспроизведения информации из начала сессии падает ниже 90%, как только контекст превышает 50 тыс. токенов.
Приложение Claude возглавило чарты App Store в США, ассистенты на базе ИИ заняли первые 10 мест
Claude от Anthropic в настоящее время занимает первое место в чарте лучших приложений в американском App Store, ChatGPT находится на втором месте, а Google Gemini — на четвёртом. В первую десятку входят три ассистента с искусственным интеллектом наряду с приложениями для шопинга, социальных сетей и утилитами.
Claude Code v2.1.234: бейдж GitLab MR, автопродолжение, усиление безопасности
Claude Code v2.1.234 добавляет бейдж MR в GitLab, авто-продолжение после лимитов использования и защиту от утечек NTLM, отклоняя пути с NT-пространством имен Windows.
В ИИ 41% зависит от -59%
Главный экономист Apollo разбирает норму прибыли в ИИ по слоям цепочки создания стоимости: модели и приложения убыточны на 59%, тогда как производство чипов и оборудования приносит 41%. Бум финансируется инвесторами, а не клиентами.