“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。
过去一年，不少服装品牌先后尝试过Live Show式直播，他们有的在摄影棚，有的在石洞中，Zara直播更像是对这种潮流的极致呈现。这可能也代表了品牌的某种集体潜意识:直播不仅仅可以为销量服务，还可以在品牌价值塑造上有所作为。
以椰树为代表，品牌们正变得越来越会玩，也开始获得不输达人的流量。
用户只需在通义千问APP内输入“通义舞王”或“全民舞王”等口令，然后按照提示要求上传自己的照片。系统会在十几分钟内生成一个神形兼备的舞蹈视频，保留原形象的面部表情、身材比例、服装以及背景等特征。
站长之家（ChinaZ.com）1月4日 消息:日前，知名博主“快刀青衣”利用Midjourney V6生成了9个国内著名景点的效果图。这些景点包括少林寺、天坛、长城、桂林山水、九寨沟、兵马俑等等。