免费AI“神器”第十三弹：会20种语言的数字人爆火；机器人能提前0.8秒预测人类表情｜钛媒体AGI
今天，钛媒体AGI梳理了免费 AI “神器”系列第十三弹，共五款，其中不少产品再一次拓宽了我们对AI的想象力。
产品信息：Digen是由Digen AI研发的全新克隆数字人工具产品，称是利用生成式 AI 技术创建面向未来的视频，支持多达20种语言、40+种声音，手势、口型和语调全部同步一致，视频效果比较逼真。
产品功能：用户可通过官网申请内测，使用时免费进行个性化头像生成，大约需要5-7天时间，随后可以进行视频编辑和生成等操作，最终可以实现数字人视频状态，声称为Digen in Real Motion 1.0。
目前，Digen包括免费版、创作者版、专业版三个版本，后两者每月计费分别为9.9 美元、19.9美元，如果按年订阅价格会更低一些。公司称，免费计划的订阅者不受任何时间限制，但每月只能制作总长度为2分钟的视频，视频数量没有限制。
产品信息：哥伦比亚大学创新机器实验室近日推出一款可以预测人的表情，并能与人类同步做出表情的人脸机器人。这款机器人采用自我监督学习框架，运作原理类似于人类通过照镜子来练习面部表情。
产品功能：EMO可以在人类微笑前839毫秒预测即将到来的微笑，并通过模型与人类同时表达微笑。此外，Emo还可以预测悲伤、愤怒和惊讶等表情，还能与人类进行眼神互动，但目前还不能做出人类的所有表情。
据了解，Emo的眼睛里装有摄像头，硅胶皮肤下有26个电机，类似于人类面部的肌肉，可以为机器人的面部表情提供动力。另外，该机器人使用两个神经网络，一个用来观察人脸并预测表情，另一个研究如何在机器人脸上产生表情。第一个神经网络通过视频网站上的视频进行训练，第二个神经网络让机器人通过实时摄像机观看自己做的表情来训练。
团队研究人员表示，未来，他们还将拓宽机器人的表情范围，希望EMO能对人所说的话做出反应，而不是简单模仿人类。此外，研究人员正利用大模型将语言交流整合到Emo中，让Emo能够回答问题和对线、Domo AI 新功能上线：能让静态人像动起来
产品信息：Domo AI是映刻科技推出的一款将照片和视频动漫化的AI工具，该工具可以将用户上传的图片和视频转绘为动漫风格，经过不断迭代更新，Domo AI近日推出了图像生成视频新功能。
产品功能：Domo AI的新功能结合了深度学习和计算机视觉算法的前沿技术，通过智能识别和分析静态照片中的人物特征，再与动态视频中的运动数据进行精准匹配。在强大的算法驱动下，Domo AI能够巧妙地将照片中的人物“移植”到视频中，实现静态到动态的完美转变。
例如，用户可以上传一张静态照片和一个参考的动态视频，Domo AI便能够巧妙地将静态照片中的人物替换成动态视频中的人物，实现惊人的视觉转换。
Domo AI功能强大，适用于多种场景和应用。不仅可用于社交媒体上分享生动有趣的动态照片，还可以为电影、游戏或广告制作添加特效，为用户提供无限的创意空间。
目前，Domo AI新功能已经在Discord频道上正式上线，用户只需在频道内使用/move命令，即可轻松体验将静态照片变为动态视频的神奇过程。
产品信息：Ideogram是一款超强文字生成图像工具，旨在生成包含可以清晰阅读文本的图像。该模型由谷歌前员工组成的创业团队打造，团队成员曾参与开发谷歌的 Imagen 图像生成软件和视频生成模型。
产品功能：Ideogram的主要功能为文生图功能，但与其他图像生成模型不同的是，Ideogram擅长生成包含文本的图片，用户只需输入提示词，Ideogram就可以按照要求将文字融入生成的图片中，实现平面、悬浮甚至立体文字效果。比如生成电影、产品海报、T恤印花等图像，解决了生图AI在图像文字生成上的痛点。
近期上线版本在正确显示文本方面有了显著提升，生成的图像也更加逼真，可以对复杂提示词进行精确响应。Ideogram 表示，参与测试的评估者对于 Ideogram 1.0 在提示对齐、图像连贯性、整体偏好和文本渲染质量方面的偏好超越了 DALL·E 3 和 Midjourney V6。
同时 Ideogram 1.0 还引入了 一个名为“魔法提示”的新功能，该功能可以根据用户的原始描述，编写更详细的提示词，进而创造出更美观且具创意的图像。
此外，Ideogram 1.0版本还能理解冗长、复杂的提示词，生成清晰、逼真的图像，包括动物、奇怪组合的呈现，以及照片级逼真的人物表情和手部动作。
付费方面，用户每天能免费使用25个提示词，生成100张图。8美元月付费用户每天可以生成100个提示词，400张图。20美元月付费用户可以无限使用。
产品信息：LaVi-Bridge是一个无需训练将不同的语言模型和生成视觉模型结合起来，以实现文本到图像的生成的技术框架，该框架由香港大学、香港中文大学和香港科技大学的研究团队共同开发。
产品功能：通过使用LoRA（Low-rank Adaptation）和适配器，LaVi-Bridge提供了一种灵活且即插即用的方法，无需修改原始模型的权重。这个框架兼容多种语言模型和生成视觉模型，能够适应不同的结构。
在这一框架内，团队证明了通过整合更高级的模块（如更先进的语言模型或生成视觉模型）可以明显提高文本对齐或图像质量等能力，经过大量评估验证了LaVi-Bridge模型的有效性。
