“王炸”ai模型来了！谷歌全面对标openai-凯发棋牌

“王炸”ai模型来了！谷歌全面对标openai

来源：潮新闻 　　作者：《每日财讯网》编辑　　发布时间：2024-05-15

　　新一轮的大模型之争开始了。

　　24小时以前，openai抢先发布gpt-4o，通过实时的语音、视频和文本交互刷屏社交网络，震撼着全世界。仅仅过了一天，科技巨头谷歌顶着压力，全面反击openai。 

　　5月15日凌晨，在一年一度的“科技界春晚”google i/o 开发者大会上，谷歌展示了十来款新品和升级，其中就有由升级后gemini模型驱动的ai助手项目project astra、对标sora的文生视频模型veo，以及在硬件方面发布的第六代tensor处理器单元（tpu）trillium芯片，还将搜索业务做了最彻底的ai改造。

　　谷歌首席执行官桑达尔·皮查伊（sundar pichai）介绍，谷歌所有的工作都围绕生成式ai模型gemini来做。一年前，谷歌首次分享了原生多模态大模型 gemini的计划，现在已经有超过150万开发者正在使用谷歌的人工智能gemini，“今天，我们希望每个人都能从gemini的技术中受益。”

　　谷歌发布语音助手astra，能力上全面对标gpt-4o

　　这次大会，谷歌揭幕了一款名为project astra的通用人工智能系统，旨在与openai的gpt-4o展开竞争。

　　谷歌deepmind首席执行官兼联合创始人demis hassabis亲自展示了astra模型。这款模型通过智能手机的摄像头捕捉并分析周围环境，还能与用户进行实时对话。

　　在演示中，用户手持手机，将摄像头对准办公室的不同角落，并通过语言与系统进行交互。例如，当用户发出指令“请告诉我智能眼镜在哪里”时，astra能够迅速识别物体，并与用户进行实时的语音交流。同时，它能成功地识别出代码序列、为电路图提出改进建议、通过镜头“看到”伦敦国王十字区等等。

　　大会上，谷歌官方演示了这款系统与ar眼镜的结合使用，预示着它在日常生活场景中的广泛应用潜力。目前该应用仍处于原型阶段，但谷歌表示，计划在今年晚些时候正式推出。

　　据介绍，谷歌在gemini的基础上开发了astra的原型，可以通过连续编码视频帧、将视频和语音输入组合到事件时间线中以实现更快地处理信息。通过语音模型，谷歌也强化了智能助手的说话能力，让其能够给出更快速地回应。

　　不过，在演示视频中，谷歌ai助手的回应速度似乎还是会比gpt-4o稍慢一些，语音所表现出的感情色彩也平淡一些。

　　前一天发布的gpt-4o多模态大模型，相较于gpt-4 trubo速度更快、价格也更便宜。直播过程中，两位openai的员工向大家展示了gpt-4o的更新细节，比如它能感知用户情绪、具备不同情绪的声音、实时视觉功能和更即时的语音交互。其中，chatgpt-4o还能通过前置摄像头观察用户的面部表情，检测其情绪。

　　有评论称，这个演示显示，gpt-4o让聊天机器人不再那么机械冷漠，而是更加接近真实人类，能够理解并表达情绪，还可以读取人类的情绪，但读取还有一点困难。

　　有业内人士评价，从演示上看，astra的视觉理解能力确实让人印象深刻，但在交互体验上要比gpt-4o实时演示的能力要差许多。无论是响应时长、语音的情感丰富度、可打断等方面，gpt-4o的交互体验似乎更自然。

　　发布视频生成模型veo反击sora，视觉效果颇为惊艳

　　在ai生成视频方面，谷歌宣布推出视频生成模型 veo，能够生成分辨率最高达1080p的高质量视频，时长可以超过一分钟，涵盖多种电影和视觉风格。

　　据谷歌介绍，veo在理解视频内容、渲染高清图像、模拟物理原理等方面都有所突破，能精准捕捉“延时摄影”、“航拍风景”等电影术语，并将其转化为生动的视觉表达。并具有更高的连贯性和一致性，人物、动物和物体的动作也更加逼真，视觉效果颇为惊艳。

　　veo生成的视频

　　本着“打不过就加入”原则，很多艺术家已在尝试这个项目。谷歌展示了与电影制片人唐纳德·格洛弗（donald glover）及其创意工作室吉尔加（gilga）的一些合作，以及艺术家wyclef jean，marc rebillet和词曲作者justin tranter在音乐ai沙盒的帮助下发布的新演示录音。 

　　早前openai发布首个文生视频模型sora，在网上迅速刷屏，不少网友跃跃欲试。sora可以快速制作最长一分钟、准确反映用户提示、可一镜到底的视频，呈现“具有多个角色、特定类型的动作，以及主题和背景的准确细节”的复杂场景。

　　但openai表示，sora存在不成熟之处，可能难以理解因果关系。多位人工智能领域人士表示，该问题可能因其概率模式的逻辑存有“硬伤”。加大训练量、增加训练数据与物理逻辑可改善该问题，但无法根治。想要真正突破最底层逻辑上的问题，因果关系是一条必经之路。 

　　对于veo用户，可以通过点击“扩展”按钮，持续增加视频的时长，最终达到了1分10秒，超过了sora的时长。至于它有哪些不足之处，目前暂无定论，还有待用户体验。

　　目前，veo已经开始在谷歌k8凯发赢家一触即发官网开放试用。此外，谷歌还在积极探索更多功能，使veo能够制作故事板和更长的场景，进一步拓展其应用场景和创作空间。

　　在这次google i/o开发者大会上，ai依旧是所有话题的中心，几乎每一个功能更新都与ai紧密相关。例如，谷歌升级搜索引擎，还更新升级了gemini1.5pro版本，同时推出gemini1.5flash轻量化小模型。

　　根据发布会最后的官方统计，这场长达 110 分钟的主题演讲中，谷歌总共提到了121次ai。生成式ai的竞争，在此刻达到新的高潮。

　　这场ai的大角逐到底谁能最后胜出？目前尚无定论。从本次发布会的展示来看，谷歌和openai之间的差距似乎正在逐渐缩小。两家公司不仅在ai领域进行激烈的角逐，并且都在努力推动ai应用于更广泛的场景。 

　　尽管我们从谷歌的搜索产品、模型产品上看到了谷歌的疲态和创新的缺失，外界评论称，和gpt-4o不到30分钟的发布会相比，谷歌“缺乏惊喜”。但从生态和用户积累上，谷歌依然具有先天优势。

责任编辑：《每日财讯网》编辑

上一篇：大模型价格战开启！字节跳动豆包大模型价格比同行低99.3％

下一篇：没有了！