🔍 技术特点: DreamTalk利用扩散模型生成高质量动画，实现逼真嘴唇动作和丰富表情，支持多语言同步，可用于不同场景和环境。
6. Transformer架构的替代方案将得到真正的采用。
论文地址:https://arxiv.org/pdf/2401.01792.pdf
评论区有网友提到，现在Midjourney生成的风格更偏向于艺术创作，而不仅仅是简单的还原。一些人甚至开玩笑说，现在不需要出去旅行了，只要付费订阅Midjourney账号就可以了。
LLaVA是一个端到端训练的多模态大模型，它将视觉编码器和用于通用视觉和语言理解的Vicuna相结合，具备令人印象深刻的聊天能力。而CogAgent是在CogVLM基础上改进的开源视觉语言模型，拥有110亿个视觉参数和70亿个语言参数。