🚀 风格预测功能: 具备说话风格预测，根据语音自动调整动画表情，使得生成的动画更加贴近原始音频。
“I”:视频输入。GPT-4V对视频的理解还相当原始，因为它将视频视为一系列离散图像。减少信息冗余的最聪明方法是什么?学习目标应该是什么?下一帧预测与下一个单词预测有着明显的类比关系，但它是否是最佳的?如何与语言交错?如何引导机器人和人工智能的视频学习?业界尚未达成共识。
声明:本文来自于微信公众号新榜（ID:newrankcn），作者:云飞扬1993，授权站长之家转载发布。如今，许多备受尊敬的科学家，都在各自的子领域中取得了进展。
新鲜AI产品点击了解：https://top.aibase.com/