AI趨勢周報第226期：微軟開源超強語音合成模型VALL-E X了

重點新聞(0825～0831)

語音合成     VALL-E X     微軟  

微軟終於開源超強語音合成模型VALL-E X了

今年初，微軟發表一篇語音合成模型VALL-E X論文，只要輸入3到10秒個人講話的錄音，模型就能逼真合成該聲音，用另一個語言說話，但當時，微軟並未發布任何模型和程式碼。

現在，微軟終於開源VALL-E X模型，它是一款多語言文字轉語音（TTS）模型，不只能根據文字，以合成語音讀出，還具備零樣本語音合成能力。微軟在GitHub上說明，VALL-E X具多項特點，包括支援英文／中文／日文、合成語音情感控制、支援跨語言合成、零樣本語音合成、零樣本跨語言語音合成等，甚至還具備口音控制特點，比如帶有英語腔的中文。此外，VALL-E X還能保留語音環境聲音，讓產出的語音更自然、更貼近真實情況。（詳全文）

  Code Llama     程式開發     Meta  

Meta釋出程式開發語言模型Code Llama

日前，Meta釋出程式開發專用的語言模型Code Llama，共有三種版本，包括基礎程式碼模型、針對Python微調的模型，以及針對自然語言指令微調的模型。與Llama 2相同，Code Llama也可免費用於研究和商業用途。Code Llama使用更多程式碼資料集訓練而成，是專門處理程式碼的Llama 2模型。Code Llama具有更強的程式碼編寫能力，可根據程式碼和自然語言提示，生成程式碼或有關程式碼的自然語言回應，也能執行程式碼輔助撰寫和除錯任務，支援的程式語言包括Python、C++、Java、PHP、Typescript、C#和Bash。

Meta也根據不同服務和延遲需求，推出三種大小的Code Llama，包括是70億、130億和340億參數，70億參數的版本可以在單個GPU上運作，最大的340億模型則能回傳最佳結果。此外，Code Llama還能處理長序列內容，能穩定生成10萬Token的內容，也能處理高達10萬Token的輸入。（詳全文）

  生成式AI    大型主機       Java  

IBM揭新生成式AI工具，可將大型主機COBOL程式轉為Java

針對大型主機COBOL應用程式現代化需求，IBM宣布推出生成式AI工具Watsonx Code Assistant for Z，能將IBM Z主機上的COBOL應用程式，轉換成高品質的Java程式碼，來提高開發效率，加速現代化大型主機應用。IBM預計在2023年第4季正式推出。

Watsonx Code Assistant for Z是Watsonx Code Assistant系列成員之一，背後由IBM watsonx.ai程式碼模型支援，watsonx.ai模型經1.5兆個Token訓練，具200億參數，能理解115種程式語言。Watsonx Code Assistant隨著時間發展擴大，理解的程式語言也更廣泛，可望解決開發者需要學更多的技能挑戰。（詳全文）

  浮水印     DeepMind     SynthID  

如何辨識AI產生的圖片？DeepMind發表可用添加和偵測浮水印的SynthID

為實踐負責任AI承諾，DeepMind在8月29日發表一款SynthID工具，可在AI生成的圖片中建立浮水印，也能偵測AI生成圖片中的浮水印，來辨識AI生成的圖片。不過，SynthID目前只適用於DeepMind開發的文字轉圖片模型Imagen，未來可望支援其它模型或開放第三方使用。

SynthID由2個深度學習模型組成，分別用來添增浮水印和用來辨識浮水印。DeepMind指出，就算這些AI生成圖片使用不同的濾鏡、變更顏色，或是以破壞性資料壓縮方式儲存，SynthID產生的浮水印也不會消失。目前SynthID仍為測試版，初期將提供給Google Cloud上少數使用Imagen的Vertex AI客戶。（詳全文）

  Neo4j     向量搜尋     圖學  

讓生成式AI說話更有憑有據！知名圖資料庫Neo4j新添向量搜尋功能

財星100大公司有超過75家企業使用的熱門圖資料庫Neo4j，最近推出向量搜尋（Vector Search）新功能，能快速搜尋上下文相關資訊，找出隱藏在資料點中的隱藏關係。這種透過向量搜尋所找到的資料，不是單純比對關鍵字，而是進一步理解單詞背後的意義，讓使用者從生成式AI中獲得更豐富的資訊。

結合Neo4j的知識圖譜和向量搜尋功能，使用者能以Grounding技術，進一步改善大型語言模型回應的精確度。Grounding在語言模型中的意義，是將模型的知識或回答，與具體且可信的資料相關聯，讓模型能提供基於事實且與上下文相關的回應。開發者可用特定模型，將各種資料型態（如文件、影片、音訊或圖像）編碼成向量，再以Neo4j建立向量索引，選擇使用餘弦相似度或歐幾里德相似度，來快速執行近似K-近鄰演算法（KNN），找到與特定向量相似的向量。（詳全文）

  AlloyDB     生成式AI     資料庫  

Google資料庫服務添功能，企業能更快打造生成式AI應用

最近，Google在自家雲端年會上宣布，資料庫服務AlloyDB加入新功能AlloyDB AI，內建向量嵌入端到端支援，讓企業可更簡單地在大型語言模型中應用即時營運資料，來打造高效能、可擴展的AI應用程式。

AlloyDB是Google針對企業資料庫工作負載需求，而開發的資料庫服務。它相容於PostgreSQL，具Google雲端基礎設施優勢，可橫向擴展運算與儲存，並支援AI/ML功能。AlloyDB處理交易工作負載的速度是標準PostgreSQL的4倍，分析性查詢的速度更是PostgreSQL的100倍。現在，AlloyDB支援生成式AI應用，AlloyDB AI允許用戶用簡單的SQL函式，在資料庫內生成向量嵌入，並以標準PostgreSQL資料庫10倍的速度執行向量查詢。這項功能可擴展大型語言模型的能力，提供準確且新穎的資訊。AlloyDB AI現已在本地端版本AlloyDB Omni中預覽。（詳全文）

  生成式AI     Duet AI     辦公  

Google Workspace生成式AI助理Duet AI正式上線

Google在自家雲端大會Cloud Next '23上揭露，用於辦公生產力工具Workspace的生成式AI助理Duet AI正式上線，企業版訂閱費為每人每月30美元。在今年5月Google I/O年會上，Duet AI就首次亮相，可在Workspace中的辦公工具，如Gmail、Google Docs、Drive、Meet和Slides等，提供撰寫或潤飾文章、製作原創圖片、製作簡報等功能，甚至是為Google Meet視訊電話生成背景。

Google表示，Workspace現有千萬家付費客戶，用戶超過30億，而自5月開放Duet AI試用以來，迄今已有上百萬人透過信賴測試員方案測試。除了之前宣布第一波功能，Google這次也發布新功能，包括在Google Meet視訊會議中記筆記、傳送會議重點，即時翻譯18種語言，還加入專業錄音室等級的影像、燈光及聲音效果，並辨識臉部，為與會者提供個別視窗。而且，在Google Chat中，用戶可直接和Duet AI對話，包括語音模式。（詳全文）

  AI指引     生成式AI     公務員  

公務人員使用生成式AI有法可循，國科會發布參考指引

國科會在8月31日提交「行政院及所屬機關（構）使用生成式AI參考指引（草案）」給行政院會，獲行政院認可。該指引適用於公營事業、公立學校、行政法人及政府捐助的財團法人，規範了這些機構使用生成式AI應遵守的10項原則。

其中重要的規範包括，使用生成式AI產生的內容，應由承辦人員依客觀及專業進行判斷，不可取代承辦人自主思維。機密文書應由人員親自撰寫，禁止使用生成式AI。另外，承辦人員不可向生成式AI提供公務上應保密、未經個人或機關同意公開的資訊，也不能向生成式AI詢問涉及機密資料、個資的問題。而且，若機構採用地端部署，還需確認系統環境安全性，再依機密等級分級使用。該指引還要求，機關若使用生成式AI作為業務執行的輔助工具，應適當揭露。行政院指示國科會持續觀察全球AI發展趨勢，來滾動調整。（詳全文）

圖片來源／微軟、Meta、DeepMind、Neo4j、Google

  AI近期新聞 

1. 蘇黎世大學開發AI無人機系統Swift，勝過3名世界冠軍

2. Meta開源可用來偵測AI歧視問題的FACET資料集

3. OpenAI推出ChatGPT Enterprise服務

資料來源：iThome整理，2023年9月