2024年将是视频之年。虽然机器人和嵌入式代理才刚刚起步，但我认为AI视频将在未来12个月内迎来突破性发展。包括输入和输出两个方面。
与此同时，苹果在iPhone等产品中改进AI功能的努力令人失望。与大型科技领域的同类产品相比，苹果对ChatGPT等AI产品的流行反应较慢，尽管该公司目前正在积极开发一系列生成式AI产品。不过，苹果将难以跟上步伐，部分原因是其对隐私的激进立场将使其无法充分利用在云中运行的最先进的AI形式。
开源LLM和服务的激增——其中一些是为了不设置安全护栏来防止恶意使用而建立的——意味着这个领域仍然是一个未知数。
据悉，M2UGen采用了创新的方法，生成了大规模的多模态音乐指导数据集，用于训练模型。这包括MU-LLaMA模型生成的1.2k多小时音乐字幕数据集。模型结合了MU-LLaMA、BLIP图像字幕模型、MPT-7B-Chat模型以及VideoMAE字幕模型，以在各个领域生成对应的指导。
此外，卡迪夫大学讲师Francesca Sobande研究了具有种族模糊特征的虚拟影响者。她认为一些品牌出于营销目的给予其这些特征，以吸引更广泛的受众，这“只是另一种形式的营销”。