月度归档： 2024 年 12 月

清华系大模型独角兽又融资，30亿元！今年商业化收入翻倍

作者

智谱近期完成30亿人民币新一轮融资，主要用于研发基座大模型，提升其复杂推理和多模态任务能力。公司商业化成绩显著，今年迄今收入增长100%，MaaS平台吸引70万用户，API年收入同比增长30倍，日均Tokens消耗量增长150倍。业务覆盖智能汽车、制造等多行业，C端产品智谱清言用户达2500万，年化收入超千万美元。

GPT-4其实根本听不懂声音？港中文、斯坦福等联合打造视觉听觉评估新基准

作者

多模态大模型在听觉任务上表现不佳，甚至无法正确分辨明显不同的声音大小。研究团队提出了DeafTest和AV-Odyssey基准测试，揭示了现有模型在音频感知上的短板，并激发了对未来AI模型的改进方向。

12K Star 适配多场景！MarkItDown：微软开源多格式文档处理工具，轻松将文件转为 Markdown 格式！

作者

一款多功能文档处理工具MarkItDown由微软开源提供，支持PDF、Office文档、图片、音频等多种格式文件转换为Markdown格式，具备OCR文字识别、语音转文字等功能。适用于文档批量处理、索引检索和数据分析等场景。

今日软荐：MSST WebUI：一个集成了音源分离训练框架和 UVR（终极人声消除器）的强大 Web 界面。

作者

MSST 是一款集成了音源分离训练框架和UVR（终极人声消除器）的强大Web界面工具，提供直观的用户界面、灵活的自定义处理流程以及多种预训练模型支持，满足音频爱好者和专业工作者的需求。