AI日报：阿里开源文档模型DocOwl 1.5；Midjourney图像编辑器新功能下周上线；Viggle AI推对口型功能

相信很多大家对AI日报：阿里开源文档模型DocOwl 1.5；Midjourney图像编辑器新功能下周上线；Viggle AI推对口型功能还不知道吧，今天菲菲就带你们一起去了解一下~.~！

欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。

新鲜AI产品点击了解:https://top.aibase.com/

1、表格、图表统统拿下!阿里达摩院开源DocOwl1.5无需OCR，高效“读懂”文档!

阿里巴巴达摩院与中国人民大学联合开源了mPLUG-DocOwl1.5文档处理模型，无需OCR即可理解文档内容，在多个视觉文档理解基准测试中表现领先。该模型强调结构信息的重要性，提出“统一结构学习”来提升MLLM性能。

2、Midjourney图像编辑器新功能下周上线

Midjourney的创始人David Holz宣布，一款全新的图像编辑器即将上线，该编辑器利用上传图像的深度信息生成新图片，保留原始构图和内容的同时彻底改变纹理、颜色和细节。这一创新提升了用户创作自由度，为设计师和艺术家提供强大工具。Midjourney通过AI技术不断优化图像生成质量，最新v6.1模型进一步提升图像清晰度和准确性。新图像编辑器的加入将拓宽AI在创意领域的应用，预示着Midjourney在图像编辑工具方面的重大进步。

3、Viggle AI再推新功能 可通过录制声音让角色说话

Viggle AI推出了令人兴奋的新功能，用户可以通过录制声音让角色说话并实现口型同步。这项创新技术让用户完全控制角色的表现方式，无论是唱歌还是跳舞，都能轻松实现。Viggle应用程序以其创新性在社交媒体上引起了广泛关注，利用先进的JST-1视频3D基础模型，用户可以轻松创造和混合视频内容。

4、即使是顶尖AI模型也难以应对复杂旅行规划，OpenAI o1-preview也犯难

最新研究表明，即使是先进的AI语言模型，如OpenAI最新的o1-preview，在复杂的规划任务中也面临挑战。研究发现模型在整合规则和条件方面表现不佳，且随规划时间增加会逐渐失去对问题的关注。尽管一些模型在BlocksWorld中表现尚可，但在更复杂的TravelPlanner任务中表现不佳。

5、开源工具Vulnhuntr可发现Python零日漏洞，巧妙利用Claude AI

Protect AI公司推出的Vulnhuntr工具利用Claude AI帮助开发者发现Python代码中的零日漏洞。该工具与传统静态分析不同，能够追踪用户输入到服务器输出的完整调用链，提高漏洞检测准确性。Vulnhuntr已在多个大型开源项目中发现零日漏洞，即将在GitHub上发布供开发者使用。

6、字节跳动回应“实习生破坏大模型训练”:未影响正式商业项目

字节跳动近期针对实习生破坏大模型训练的传闻进行了官方回应，确认实习生恶意干扰研究项目模型训练，但未影响正式商业项目和线上业务。公司指出传闻严重夸大，已辞退实习生并通报相关机构。事件暴露安全管理问题，公司计划大力投资AI技术。

7、Meta最新黑科技SPIRIT-LM:能说会写还能懂你的情绪，这个 AI 语言模型有点强!

SPIRIT-LM 是一款具有革命性意义的多模态基础语言模型，能够自由混合文本和语音，理解和表达情感。它结合了文本模型的语义能力和语音模型的表达能力，完成跨模态任务，只需少量样本即可学习新任务。SPIRIT-LM-EXPRESSIVE在情感表达方面优于基础版，开创了多模态语言理解和生成的新可能性。

8、颠覆 Stable Diffusion!智源重磅发布 Emu3，图像、文本、视频全拿下!

Emu3团队发布了一套全新的多模态模型Emu3，颠覆了传统的扩散模型和组合模型架构，在生成和感知任务上取得了最先进的性能。该模型基于下一个token预测进行训练，实现了多模态任务的统一，超越了特定任务模型，甚至旗舰模型。Emu3的成功为多模态模型的未来发展指明了方向，也为实现AGI带来了新的希望。

9、Perplexity AI 寻求90亿美元估值

Perplexity AI 宣布在新一轮融资中希望将估值提升至90亿美元，当前估值为30亿美元。公司面临抄袭指控，但坚决否认。在激烈市场竞争中努力提升技术和服务水平。

10、前OpenAI CTO重磅打造新AI公司，融资目标高达1亿美元

Mira Murati正筹集超过1亿美元的风险投资，准备创办新的AI创业公司。她离开OpenAI希望进行个人探索，而OpenAI在她离职后筹集了创纪录的66亿美元风险投资。期待Murati的新公司未来发展。

11、苹果AI发展滞后两年，计划未来两年全线设备引入Apple Intelligence

在今年的WWDC大会上，苹果展示了AI新特性，但分析师称苹果在AI技术发展上落后竞争对手约两年。苹果计划未来两年在所有带屏设备上推出“Apple Intelligence”功能，尽管起步较晚，但有信心迎头赶上。

12、北京市新增12款生成式AI服务备案，累计达94款

北京市最近新增了12款生成式人工智能服务备案，使得累计备案数量达到了94款，为用户带来更多选择与便利。已上线的AI应用需公示备案情况，包括模型名称和备案编号。本次新增备案名单中包括快手科技公司的可灵AI和昆仑万维科技股份有限公司的天工图像。

以上就是关于【AI日报：阿里开源文档模型DocOwl 1.5；Midjourney图像编辑器新功能下周上线；Viggle AI推对口型功能】的相关内容，希望对大家有帮助！

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！