Meta称其APP上与选举相关的AI生成错误信息占比不到1% (meta的含义)

虽然人们普遍担忧人工自动（AI）生成技术发明的错误信息或许会干扰往年全球各地的严重选举，但Meta Platforms周二表示，该技术对Meta旗下APP的影响有限。

Meta全球事务总裁Nick Clegg称，Facebook和Instagram上的AI生成虚伪信息数极少——与选举相关的此类错误信息内容占比不到1%，并且Meta公司能迅速标注或删除这些内容。

Clegg称，试图传达虚伪内容的账户正越来越多地将其活动转移到安保防护水平较低的其他社交媒体和APP上，或运营自己的网站以坚持在线。

同时，专家们表示，迄今为止，AI生成信息还没能清楚操纵言论。

---

经常使用 Python 和 Flask 生成 AI Web 运行

简介

经常使用人工智能 (AI) 创立 Web 运行不要求触及少量代码或从头末尾创立服务。 假定我们想要创立一个可以为用户翻译文本的网站。

关于前端，我们所要求的应能够让我们不用阅历诸多费事即可集成服务。 Flask 之类的框架就是很好的选择。 Flask 的创立者描画其为“微框架”，这意味着该框架会提供所需中心服务（例如路由和模板化），但在其他方面则支持经常使用运行程序所需的任何后端服务。 Flask 还是轻量级框架，可加快启动设置和部署。 我们不要求数据库或任何精致复杂的内容。 我们只要求一个框架来创立 UI，并能够调用后端服务。

关于后端，你可以经常使用一组 AI 服务（称为 Azure 认知服务），而不是自己创立机器学习模型。 这些服务可以经过 SDK 或 HTTP 调用访问。 我们可以经常使用翻译器服务来满足翻译文本的关键目的。

我们将讨论 Flask 和翻译器服务。 我们将了解如何创立一款 Web 运行来将文本翻译成各种言语。

设置开发环境

若要末尾用 Python 编写 Flask 运行程序，我们要求设置开发环境，这将要求装置几个项目。 幸运的是，我们要经常使用的工具都相对通用

装置 Python

若要成功本单元的学习，你的计算机上必需装置 Python 3.6 或更高版本。 你或许曾经装置了 Python，特别是在你曾经经常使用过它的状况下。 可以经过执行上方的其中一条命令来确认能否已装置：

#Windows:python--version#macOSorLinuxpython3--version

假设已装置 Python，则输入将显示 Python 版本号。假设没有的话请去官方装置.

创立项目目录

在你选择的位置创立目录。 该目录将作为你的项目目录，其中将包括我们要创立的一切代码。 可以经常使用上方的其中一条命令从命令或终端窗口创立目录：

#Windowsmdcontosocdcontoso##macOSorLinuxmkdircontosocdcontoso创立 Python 虚拟环境

Python 虚拟环境并不一定像听起来那么复杂。 虚拟环境不是创立虚拟机或容器，而是一个包括运转运行程序所需的一切库的文件夹（包括 Python 运转时自身）。 应用虚拟环境，我们使运行程序成功模块化，这样我们就能让运行程序彼此独立并防止出现版本疑问。 作为最佳做法，在经常使用 Python 时，应该一直经常使用虚拟环境。

为经常使用虚拟环境，我们将创立并激活虚拟环境。 我们经常使用 venv 模块来创立虚拟环境，该模块在先前的 Python 装置说明中已装置。 激活虚拟环境时，我们会通知系统将我们创立的文件夹用于其一切的 Python 需求。

#Windows#Createtheenvironmentpython-mvenvvenv#Activatetheenvironment.\venv\scripts\activate#macOSorLinux#Createtheenvironmentpython3-mvenvvenv#Activatetheenvironmentsource./venv/bin/activate装置 Flask 和其他库

随着虚拟环境的创立和激活，我们如今可以装置 Flask，这是网站所需的库。 我们将遵照经常出现商定来装置 Flask，即创立一个“”文件。 “”文件自身并不特殊；它是一个文本文件，其中列出了运行程序所需的库。 但这是开发人员通经常常使用的商定，可使控制依赖少量库的运行程序变得更轻松。

在前面的练习中，我们将经常使用几个其他库，包括恳求（用于调用翻译器服务）和 python-dotenv（用于控制密钥）。 虽然我们如今还不要求这些库，但如今装置会让这一环节更轻松一些。

在命令或终端窗口中，运转以下命令以在 Visual Studio Code 中翻开目录：

code.

在 Visual Studio Code 中的“资源控制器”窗口中，选择“新建文件”

假设没有装置 Vscode 那么只要求在项目目录下 做第三步即可

将文件命名为 ，然后参与以下文本：

flaskpython-dotenvrequests

在 Mac 上，经过单击“Ctrl-S”或“Cmd-S”来保管文件

前往到命令或终端窗口，经常使用 pip 运转以下命令来执行装置：

该命令下载所需的库及其依赖项。

假设 pip 不是最新版本，则或许会收到错误信息。 依照错误信息中的说明执行更新。 此模块不要求更新。

假设一切顺利, 你如今曾经设置了开发环境！

Flask 基础知识

Flask 是一种开源 Web“微框架”。 当创立者经常使用“微框架”这一术语时，他们是指框架将执行 Web 框架所需的义务，但其中不包括初级性能，或其他运行程序必需遵照才干正常任务的特定要求。 这种方法使 Flask 十分灵敏，并十分适宜用作现有后端或 API（如认知服务）的前端！

在经常使用任何框架创立 Web 运行时，我们都要求了解几个中心概念：路由、方法和模板化。 在编写代码前，我们先来了解这些概念。

经常使用路由响运行户恳求

在经常使用 Web 运行时，用户经过阅读到不同的一致资源定位器（即 URL）来标明自己要执行的操作或正在查找的信息。 用户可以直接输上天址（比如），也可以选择链接或包括相应 URL 的按钮。 在电子商务网站上，你或许会看到如下 URL：

主页：小组件详细信息：成功购置：作为开发人员，我们实践上无需担忧 URL 的第一部分或域（本例中的“”）。 我们的运行程序将依据域名前面的任何内容来执行操作，从 / 末尾。 域名前面的部分称为“路由”。

路由是操作的途径。 与点击移动运行中的按钮相似，路由指示用户想要执行的操作。 我们将在 Web 运行中注册不同的路由，以照应运行程序支持的各种恳求。

在我们的运行程序中，我们经过提供一个函数来指示要如何照应特定路由恳求。 路由是到函数的映射。 当我们思索编写普通代码时，此概念相对直观。 当我们想要执行特定操作时，就会调用函数。 我们的用户将执行完全相反的操作！ 不过他们将经过访问路由来成功此操作。

创立 Web 运行时，有许多可用方法，但最经常出现的两种方法（也是我们只关注的两种）是“GET”和“POST”。 GET 通常表示用户正在恳求信息，而 POST 表示用户要求向我们发送信息并接纳照应。

经常使用 GET 和 POST 的经常出现运行程序流围绕经常使用表单展开。 假定我们创立了一款运行程序，其中用户想要注册邮件列表：

用户经过 GET 访问注册表单

用户成功表单，并选择“提交”按钮

表单中的信息经过 POST 发送回主机

向用户前往“成功”信息

或如你所料，用户并没有直接指明自己要经常使用的谓词，谓词由运行程序控制。 普通来说，假设用户经过键入 URL 或选择链接直接导航到 URL，则经常使用 GET 访问该页面。 当该用户选择表单的按钮时，通常会经过 POST 发送信息。

模板

超文本标志言语 (HTML) 是用于结构阅读器上显示的信息的言语，而级联样式表 (CSS) 则用于控制样式和规划。 在创立运行程序时，大少数 HTML 都是静态的，这意味着该言语不会改动。 但是，为使页面具有灵活性，我们要求能够以编程方式将信息放入 HTML 页面。 简直每个 Web 框架都可经过模板来满足这一需求。

借助模板，你可以编写中心 HTML（或模板）并指示灵活信息的占位符。 占位符最经常出现的语法或许是 {{ }}。 Flask 的模板引擎 Jinja 会经常使用这种语法。

HTML复制

<h1>Welcome,{{name}}</h1>

在前面的例子中，我们用到了 h1（标头）的 HTML，其中包括我们要显示的文本。 {{ name }} 表示要在“欢迎经常使用”之后显示一个名为 name 的变量。 经过这种语法，我们可以经常使用现有技艺编写 HTML，并依据要求注入灵活信息。

创立运行

我们将以迭代方式创立运行程序，在创立环节中重点关注特定的概念。 首先，我们将为运行程序创立登陆页面，该页面将显示用户要经常使用的表单。

通常，Flask 运行程序的入口点是名为“”的文件。 我们将遵照这一商定并创立运行程序的中心。 我们将执行以下步骤：

创立中心运行程序

为运行程序参与路由

为网站创立 HTML 模板

测试运行程序

创立中心运行程序

新建文件 来创立名为“”的新文件

参与代码以创立 Flask 运行程序

Python复制

fromflaskimportFlask,redirect,url_for,request,render_template,sessionapp=Flask(__name__)

导入语句包括对Flask的援用，这是一切 Flask 运行程序的中心。 当我们想前往 HTML 时，我们将在一段时期内经常使用render_template。

app将是我们的中心运行程序。 在下一步中，我们将经常使用它来注册路由。

参与路由

运行程序将经常使用一个路由 - /。 此路由有时称为“自动”或“索引”路由，由于在用户不提供域或主机称号之外的任何内容时，就会经常使用该路由。

将以下代码参与到“”末尾

Python复制

(/,methods=[GET])defindex():returnrender_template()

经过，我们可以指定要创立的路由。 途径将是 /，这是自动路由。 我们指出这将用于 GET。 假设 / 收到 GET 恳求，Flask 将智能调用修饰器上方直接声明的函数，我们的示例中为index。 在index的注释中，我们表示将向用户前往一个名为“”的 HTML 模板。

为表单创立 HTML 模板

Flask 的模板引擎 Jinja 十分关注 HTML。 因此，我们可以经常使用一切现有的 HTML 技艺和工具。 我们将经常使用启动来布置页面，使其更美观。 经过启动，我们将在 HTML 上经常使用不同的 CSS 类。 假设不熟习启动，则可以疏忽这些类而专注于 HTML（这是真正关键的部分）。

Flask 的模板要求在名为“模板”的文件夹中创立，这很适宜。 让我们创立文件夹、必要的文件并参与 HTML。

经过在 Visual Studio Code 的“资源控制器”工具中选择“新建文件夹”，创立一个名为“模板”的新文件夹

选择创立的“模板”文件夹，然后选择“新建文件”将文件参与到该文件夹中

将该文件命名为“”

参与以下 HTML

HTML复制

<!DOCTYPEhtml><htmllang=en><head><metacharset=UTF-8><metaname=viewportcontent=width=device-width,initial-scale=1.0><linkrel=stylesheethref=!</div><div><formmethod=POST><divclass=form-group><textareaname=textcols=20rows=10class=form-control></textarea></div><divclass=form-group><labelfor=language>Language:</label><selectname=languageclass=form-control><optionvalue=en>English</option><optionvalue=it>Italian</option><optionvalue=ja>Japanese</option><optionvalue=ru>Russian</option><optionvalue=de>German</option></select></div><div><buttontype=submitclass=btnbtn-success>Translate!</button></div></form></div></div></body></html>

以上 HTML 中的中心组成部分是用户希望翻译的文本的textarea，以及用户将用来指示目的言语的下拉列表 (select)。 假设要参与更多言语，则可以参考受支持言语列表，失掉其他选项。 将value属性设置为言语代码，例如，“pl”表示波兰语。

测试运行程序

创立初始站点后，就该对其启动测试了！ 我们将经常使用 Visual Studio Code 中的集成终端，让这一环节更轻松一些。

在 Mac 上，选择 Ctrl-或 Cmd- 来翻开集成终端

运转以下命令将 Flask 运转时设置为开发，这意味着主机将在每次更改时智能重载

Bash复制

#Windowsmdcontosocdcontoso##macOSorLinuxmkdircontosocdcontoso0

运转运行程序！

Bash复制

#Windowsmdcontosocdcontoso##macOSorLinuxmkdircontosocdcontoso1

经过导航到，在阅读器中翻开运行程序 应该会看到这样网页

应看到显示的表单。 祝贺！

翻译

虽然经常使用机器学习或人工智能的处置方案越来越普遍，但从头末尾创立仍很困难。 幸运的是，很多处置方案曾经开收回来，我们可以像访问任何运行程序编程接口 (API) 一样访问这些处置方案。 这种方法使我们能够专注于代码，而不是复杂的建模。

Azure 提供了一组名为认知服务的的产品/服务，其中包括计算机视觉、语音转文本、文本转语音以及文本翻译服务。 可以经过软件开发工具包 (SDK) 访问这些服务中的恣意一项，也可以经过调用其他 HTTP 终结点的相反方式对其启动调用。

若要经常使用认知服务，你要求一个 Azure 帐户。 假设不熟习 Azure，可以不要钱注册，其中包括 200 美元的不要钱额度（针对前 30 天）。 假设你是在校生，可以注册面向在校生的 Azure，其中包括 100 美元（期限为 12 个月）可经常使用额度，以及一系列其他不要钱服务。

翻译器服务

翻译器服务（认知服务的一部分）将在数十种言语之间启动互译。 该服务可智能检测出源言语，并可在一次性调用中翻译成多种目的言语。 调用翻译器服务的方式与调用任何其他 HTTP 终结点的方式相反。 经常使用 Python 时，通常经过“恳求”库来成功此操作，这是我们前往代码时将经常使用的库。

密钥控制

若要调用翻译器服务（或任何其他认知服务），我们将要求密钥。 每次访问服务时都将经常使用此密钥。 密钥相似于密码。 任何有权经常使用密钥的人都可以调用此服务，假设我们经常使用的是付费版本，就或许会发生一大笔费用！

在启动开发任务时，一种很好的处置方案可用于维护密钥，那就是经常使用名为python-dotenv的库，通常称为 dotenv。 经常使用 dotenv 时，我们会创立一个名为“”的文件，其中包括我们不希望作为源代码一部分的键/值对。 当我们将代码推送到GitHub时，便将确保该文件列在gitignore文件中，这样就不会异常将其地下发布。

创立翻译器服务

失掉翻译器服务的密钥。 如前文所述，我们要求一个Azure 帐户。 我们将经常使用 Azure 门户创立密钥，并将其存储在运行程序的“”文件中。

失掉翻译器服务密钥

阅读到Azure 门户

选择“创立资源”

在“搜索”框中，输入“翻译器”

选择“翻译器” Fill out the Create Translator form with the following values:

Subscription:your subscription

Resource group:

Name: Flask-ai

Resource group area:select a nearby area

Resource area: select the same area as above

Name: a unique value, such as ai-yourname

Pricing Tier:Free F0

选择“检查 + 创立”

选择“创立”

资源将在几分钟后创立

选择“转到资源”

选择“资源控制”下左侧的“密钥和终结点” 在“密钥 1”旁边，选择“复制到剪贴板”

创立用于存储密钥的 文件

前往到 Visual Studio Code，经过选择“新建文件”并将其命名为“”，在运行程序的根目录中新建一个文件

将以下文本粘贴到“”中

#Windowsmdcontosocdcontoso##macOSorLinuxmkdircontosocdcontoso2

交流占位符

用上方复制的密钥交流占位符 your_key

用 Azure 中的终结点交流占位符 your_endpoint

用 Azure 中的位置交流占位符 your_location

你的“”文件应该如下所示（经常使用你的值）：

text复制

#Windowsmdcontosocdcontoso##macOSorLinuxmkdircontosocdcontoso3调用翻译器服务

随着我们在 Azure 上创立的后端翻译器服务以及存储的变量已预备就绪，我们将重点转移到如何向运行程序参与必要逻辑和模板来翻译文本。 我们将执行以下步骤：

参与代码以调用服务

创立模板以显示结果

测试运行程序

参与代码以调用服务

包括运行程序的逻辑。 我们将为将要经常使用的库参与几项必需导入内容，然后参与响运行户的新路由。

在 的最顶端，参与以下代码行：

#Windowsmdcontosocdcontoso##macOSorLinuxmkdircontosocdcontoso4

顶部一行将导入我们稍后在调用翻译器服务时经常使用的库。 我们还从dotenv导入load_dotenv并执行函数，该函数将从 加载值。

在 的底部，参与以下代码行，创立用于翻译文本的路由和逻辑：

#Windowsmdcontosocdcontoso##macOSorLinuxmkdircontosocdcontoso5

代码参与有注释，说明正在执行的步骤。 大致来看，我们的代码将执行以下操作：

读取用户输入的文本，以及用户在表单上选择的言语

从“”文件读取之前创立的环境变量

创立调用翻译器服务所需的途径，该服务包括目的言语（智能检测源言语）

创立标头信息，包括翻译器服务的密钥、服务的位置和翻译的恣意 ID

创立恳求的注释，其中包括要翻译的文本

在requests上调用post以调用翻译器服务

从主机检索 JSON 照应，其中包括翻译后的文本

检索翻译后的文本（请参阅以下注释）

调用render_template以显示照应页 调用翻译器服务时，可以在一次性调用中将多个语句翻译成多种言语。 因此，服务前往的 JSON 包括很多信息，我们只要求其中一小部分。 因此，我们要求往下细分才干取得翻译的文本。

详细而言，我们要求读取第一个结果，然后读取到translatio

Meta 发布 LIMA，称其性能堪比 GPT-4，不用 RLHF、只需基于 LLaMA-65B 用 1000 条数据微调

Meta AI，卡耐基梅隆大学，南加州大学和特拉维夫大学的研讨人员宣布论文，引见了LIMA（Less Is More for Alignment）模型，该模型采用LLaMA 65B大模型，并经过1000个监视样本微调，性能表现出与GPT-4和Bard相媲美的水平。 LIMA的关键在于其微调战略，经常使用较少的指令数据就能教会模型发生高质量的输入，这与传统方法构成鲜明对比。 大言语模型的训练环节通常分为两个阶段：预训练和微调。 预训练阶段，模型经过少量数据学习基础言语知识，而微调阶段则针对特定义务进一步优化。 LIMA的创新之处在于，它展现了在预训练阶段学到的简直全部知识足以在有限的指令微调数据下发生媲美甚至逾越其他模型的性能，从而证明了“Less Is More for Alignment”的假定。 LIMA的训练战略包括挑选1000个监视样本启动微调，这些数据集包括各类信息以及作者自编内容。 开发数据集用于在训练环节中调整模型参数，以防止过拟合，同时监控和调整性能。 测试数据集则用于评价模型性能，包括两种来源的300个提示，以片面调查模型在不同场景下的表现。 在评价效果时，LIMA与OpenAI的DaVinci003、Stanford基于LLaMA-65B用52K数据微调的Alpaca、GPT-4、Anthropic的Claude、Google的BARD等模型启动了对比。 虽然GPT-4、Claude和BARD在全体表现上抢先，但LIMA在人类相对评价中，88%的回应满足提示要求，50%的回应被以为优秀，显示出其在对话才干和多轮对话才干上的潜力。 研讨团队还启动了消融实验，探求数据多样性和质量、数据量等对LIMA性能的影响，进一步证明了其“Less Is More for Alignment”的有效性。 结论部分，研讨人员提出了“外表对齐假定”，即大批精心挑选的示例足以成功对齐，无需少量数据或复杂方法。 这标明，即使是大批的训练数据也能到达与少量数据模型相当的性能，为高效模型训练开拓了新途径。

斯坦福美女博士创业项目爆火！AI视频生成出道即顶流，半年融资5500万美元

丰色 萧箫 发自 凹非寺 量子位 | 群众号 QbitAI斯坦福华人博士休学搞创业，直接火爆AI圈！新产品瞄准AI视频生成，刚出道就成行业顶流，引来一众大佬围观评价。 OpenAI大牛Andrej Karpathy转发，并热情附上长文一段：每团体都能成为多模态梦境的导演，就像《盗梦空间》里的筑梦师一样。 就连Stability AI开创人也来点赞：这个新产品名为Pika 1.0，面前公司Pika于往年4月成立。 在AI视频生成“乱花诱人眼”的当下，这个新产品终究是如何做到迅速破圈，吸引少量关注度的？从放出的Demo效果来看，Pika 1.0不只能依据文字图片，流利地生成一段视频，动态转换就在一瞬间：而且可编辑性还特别强，指定视频中的恣意元素，一句话就能成功加快“换装”：这样的效果，也使得公司成立仅半年，产品用户曾经超越52万人。 更是新斩获5500万美元融资，其中团体投资者不乏各种大牛，如Quara开创人Adam D’Angelo、Perplexity的CEO Aravind Srinivas、GitHub前CEO Nat Friedman等等。 此次火爆出圈的Pika 1.0，是Pika发布的第一个正式版本产品。 相比之前Pika还只能用文字或图像生成视频，如今的Pika 1.0，性能要愈加丰厚——不只能依据文字、图片或视频品格生成视频，还能对视频部分启动编辑。 可编辑性有多强？不只画面大小恣意扩展，从5:2、1:1画布，到9:16以及16:9的超大屏，4种选择无缝转换：像什么3D、动漫、电影等各式各样的品格滤镜，那就更不用说了。 最关键的是，1.0正式版推出了用户更友好的网页版，不用在discord中一遍遍艾特机器人，就能直接上手玩。 当然，也可以移步Discord社区先上手体验一番。 虽然它还未随网页版更新到Pika 1.0，但我们也实测了一下文字、图片生成视频的效果，还不错。 参与社区之后，直奔“Creations”，从上方的10个生成区随意选择一个进入即可开耍。 在输入框中输入“/”，选择最简易的“/create”命令。 在此，我们输入“a robot dancing in the rain, sunset, 4k, -gs 8”提示词交给机器人。 大约也就半分钟的时刻，视频就出来了，速度相当快：效果嘛，雨没有表现得很清楚，但机器人的肢体灵活性真的很强。 我们再来一个稍微长一些的提示词：a teenager walks through the city streets,takes pictures of places（一个青少年穿过城市的街道，拍摄照片）依然超级快，结果就出来了：Wow，这次真的有很满意，画面契合脑海中的预测，甚至比我们想象得还要好。 除了纯文字，咱还可以上传一张参考图像启动创作，经常使用“/animate”命令。 当当，一张静态表情包就动起来了。 总的来看，Pika给出的视频时长都是3s（所以经常使用太长的提示词也没用，前面会直接疏忽掉），以及它还不能保证每次结果都很满意，但总体来说多试几次还是有不错的结果出现的。 除了自测之外，我们也来看看网友的作品，其中不乏十分冷艳的效果。 比如有人创作的这只小怪兽，憨态可掬，让人忍不住想摸一把。 还有这段两位小女孩的演奏画面，看完我似乎真的听到了优美的嗓音从中传出。 最绝的还是这个白鸽围绕短发美女翻飞的局面，也太有气氛感了吧～看罢如上效果，我们也来盘盘这家公司终究是什么来头。 两位斯坦福华人博士创立。 Pika的开创人一共有两位，郭文景（Demi Guo）和Chenlin Meng，都是斯坦福博士。 据The Information信息，郭文景于往年四月创立了Pika，随后Chenlin Meng参与成为联创，两人协作开发了这个文本生成视频模型。 从二人学术阅历来看，她们区分专注于NLP和计算机视觉两个方向的AI研讨，也都有生成式AI的学术阅历。 结合开创人兼CEO郭文景，斯坦福大学AI实验室（NLP&图形学方向）博士。 她在美国出生，杭州长大，初中就读的是杭州本国语学校，从小就接触编程，夺得过IOI银牌，从本科末尾正式留学，被哈佛大学提早录取。 此次创业，她的领英主页显示休学中（On Leave），应该是计划先忙创业的事情。 在斯坦佛大学读博之前，郭文景在哈佛大学取得了计算机硕士和数学本迷信位。 在本科时期，她曾经gap过一年，专程在Facebook AI Research全职做了一段时期的研讨工程师。 在职时期，她介入了用Transformer剖析2.5亿个蛋白质序列的研讨，目前这篇论文援用已有1200+，其中就包括后来大火的AlphaFold2：除此之外，她也先后在Epic Games、谷歌和微软等多家公司实习过。 这次创业，郭文景的导师Christopher D Manning也给予了不少支持。 Christopher D Manning以NLP方向的研讨知名，如今在谷歌学术上的援用量已有23w+，而他也将成为Pika的学术顾问之一。 结合开创人兼CTOChenlin Meng，相同是斯坦福计算机博士。 在此之前，她于2020年在斯坦福大学取得了数学本迷信位。 相比郭文景在NLP范围的研讨阅历，她在计算机视觉、3D视觉方面的学术阅历愈加丰厚，介入的去噪分散隐式模型（DDIM）论文，如今单篇援用已有1700+：除此之外，她还有多篇生成式AI相关研讨宣布在ICLR、NeurIPS、CVPR、ICML等顶会上，且多篇中选Oral。 随着Pika 1.0爆火，Pika也开启了进一步的招人方案，从技术、产品到运营都有需求：一个月内5家产品亮相。 就AI视频这个行业而言，这段时期来全体都迎来了一段“迸发期”。 据不完全统计，从11月至今，短短一个月的时期就曾经有5家AI视频生成产品发布或迎来大更新：首先就是11月3日，Runway的Gen-2发布里程碑式更新，支持4K超逼真的明晰度作品。 然后时期到来11月16日，Meta发布Emu Video，这个工具在用户评价中号称打败Gen-2、Pika等对手，效果be like：从Emu末尾，大家都似乎打起竞赛来了，那叫一个力争抢先。 才过两天，11月18日，字节就半路杀动身布PixelDance，作品的灵活性可谓史无前者，画面中的元素都举措幅度都相当大，且不变形，让人眼前一亮。 又仅过3天之后，11月21日，AIGC范围的佼佼者Stable AI也终于推出了自家的视频工具：Stable Video Diffusion。 效果嘛，也很能打。 同一天，Gen-2又没闲着，“横插一脚”上线“涂哪动哪”的运动笔刷新性能，直接标志出生成模型可控性上的一个关键里程碑。 最后，就是今天了，11月29日，来自创业公司的Pika直接带着网页版发布正式版1.0，叫板“老大哥”Runway。 在此之外，我们还从未见过哪个阶段有这么多各有特征、来自不同背景的产品争相亮相。 这也让人不得不慨叹一句：AI视频这是到来迸发前夜了？欢迎大伙各抒己见～