1.ChatGPT重磅上新！教练、营养师人格任你选，自定义指令秒变「高级个人AI助理」
2.好莱坞抵制AI的罢工事件，被AI反手写进了最新一集剧本
3.综艺后期狂喜：编辑一帧，整个视频跟着变！比LNA渲染快5倍，Adobe联合出品
ChatGPT重磅上新！教练、营养师人格任你选，自定义指令秒变「高级个人AI助理」
文章来源：新智元
概述
OpenAI宣布了ChatGPT的新功能「自定义指令」，用户可以根据自己的需求设定ChatGPT的回应方式和偏好，使其成为个人助理，教练，营养师等角色。此功能目前仅向Plus用户开放，且无法在英国和欧盟使用。同时，OpenAI宣布下周将向所有Plus用户解禁GPT-4的能力，从原来的每3小时25条，增加到50条。
要点
- [🆕] OpenAI宣布了ChatGPT的新功能「自定义指令」，用户可以根据自己的需求设定ChatGPT的回应方式和偏好，使其成为个人助理，教练，营养师等角色。
- [🔓] OpenAI宣布下周将向所有Plus用户解禁GPT-4的能力，从原来的每3小时25条，增加到50条。
- [📝] 用户可以在「自定义指令」中输入背景和输出格式，ChatGPT会在以后的每次对话考虑指令，因此不必在每次对话中重复赘述个人偏好或信息。
- [🔍] 有用户通过「自定义指令」功能，让ChatGPT生成了一段用Golang编写的「斐波那契数列中第n个数字」的代码，而如果不加强调，ChatGPT会默认给出Python的实现，并配上一大串文字解释。
- [🛒] 当用户需要针对自己的家庭情况进行杂货购物时，模型会考虑到需要购买六份食物，生成一份清晰具体的采购清单，包括每种食材需要的量。
- [🌐] 「自定义指令」功能的推出，让每个人都能根据自己的想法，打造自己的ChatGPT，可以看作是OpenAI涉足「高级个人助理」的第一步。
- [🔬] 有人称自己的医学团队采用了GPT-4提供的方向，研究、工作的创新和进步简直大爆炸。
好莱坞抵制AI的罢工事件，被AI反手写进了最新一集剧本
文章来源：机器之心
概述
旧金山初创公司Flable推出了一个大型模拟项目「The Simulation」，并发布了名为「SHOW-1」的Showrunner AI技术，能够生成以用户为主角的全新剧集。这个技术结合了大型语言模型（LLM）、定制扩散模型和多智能体模拟的能力，生成了高质量的新剧集内容，包括上下文关联、故事进展和行为控制。这个技术的发布时机显得非常有趣，因为好莱坞的编剧和演员都在因为抵制AI而罢工。
要点
- [🚀] 旧金山初创公司Flable推出了一个大型模拟项目「The Simulation」，并发布了名为「SHOW-1」的Showrunner AI技术，能够生成以用户为主角的全新剧集。
- [🎭] Showrunner AI技术结合了大型语言模型（LLM）、定制扩散模型和多智能体模拟的能力，生成了高质量的新剧集内容，包括上下文关联、故事进展和行为控制。
- [🎬] Showrunner AI技术可以制作出不错的内容，威胁到了影视行业的创意人员。好莱坞的编剧和演员正在罢工，要求抵制潜在的AI侵袭。
- [📺] 《South Park》是一部美国情景喜剧动画片，开播于1997年，一经推出就获得了巨大的成功，迄今已播出26季325集。该剧的每一集都是在6天之内制作完成的，这种紧凑的制作流程在当代的影视行业中并不少见，但在生成式AI逐渐强大之后，情况将会发生变化。
- [🔬] 该研究使用大语言模型 (LLM)、定制化SOTA扩散模型和多智能体模拟，实现情境化、故事进展和行为控制，最终为故事IP生成了高质量影视剧集内容。
综艺后期狂喜：编辑一帧，整个视频跟着变！比LNA渲染快5倍，Adobe联合出品
文章来源：量子位
概述
Adobe Research和英属哥伦比亚大学的研究人员发表了一种名为INVE（交互式神经视频编辑）的实时视频编辑解决方案。这种技术可以通过在单帧上“画笔涂鸦”，自动将改动应用到整个视频中，包括编辑视频中的对象并保留空间和光影关系，甚至可以编辑移动对象的纹理色彩。测试显示，该方法的渲染速度是分层神经图集（LNA）的近5倍。
要点
- [🎥] Adobe Research和英属哥伦比亚大学的研究人员发表了一种名为INVE（交互式神经视频编辑）的实时视频编辑解决方案。
- [🖌️] 通过在单帧上“画笔涂鸦”，INVE可以自动将改动应用到整个视频中，包括编辑视频中的对象并保留空间和光影关系，甚至可以编辑移动对象的纹理色彩。
- [⚡] INVE的渲染速度是分层神经图集（LNA）的近5倍，在单个NVIDIA RTX 4090 GPU上的渲染速度为24.81 FPS，对比LNA的渲染速度5.34 FPS。
- [🔬] 研究团队基于光流提取算法RAFT，在包含70帧且分辨率为768×432的视频上训练和测试模型。通过将GPU优化的Fully Fused MLP架构引入，仅迭代大约12,000个次数就完成训练，相比于LNA的300,000个迭代次数要少得多。
- [🎨] INVE提出“矢量化素描技术”，将多边形链直接映射到图集中，更精确地控制线条，从而减少计算成本并避免有视觉伪影。再通过分层编辑，允许在图集之上叠加多个可编辑图层，使每个图层都可独立访问和编辑。
- [🔍] INVE的分层编辑支持多种类型的编辑，包括画笔涂鸦、局部调整、纹理编辑。例如，可以直接使用画笔工具草图涂鸦，或者导入外部图形，跟踪和变形的运动对象。
（AI大观日报会为您推送每日的AI热点新闻，其中所有的概述及要点都由AI自动总结生成。若想查看详细内容，可点击标题进入原文）
👍👍