1、 RewNeRF

        Google 的 RawNeRF 是一个基于人工智能的工具，可以对图像进行智能降噪点，同时还可以改变其拍摄角度、焦点、曝光水平和色调映射，而且上述所有这些都可以在照片拍摄后再进行调整。简单来说，就是一款可以将2D图片变成3D的AI，它可以直接给照片经行3D建模。

        原版 NeRF 使用色调映射的低动态范围 LDR 图像作为输入，而谷歌将 NeRF 修改为直接在线性原始图像上进行训练，保留场景的完整动态范围，可以有效地将 RawNeRF 变成一个多图像降噪器，能够组合来自数十或数百个输入图像的信息。

        除了改变相机视角之外，RawNeRF 可以在后期调整焦点、曝光和色调映射，也就是像图片中演示的那样。

2、 MusicLM

        MusicLM，能以24kHz的采样率产生高质量的音乐，在数分钟内保持一致，同时忠实于给定的文本输入。这个模型是由谷歌研究团队在最近的一篇论文中提出的，它的目的是协助音乐家和作曲家完成创造性的音乐任务。本文将探讨MusicLM的技术细节和它的能力，以及它的优势、局限性和潜在应用。

        MusicLM通过数十万小时的音频进行训练，学习在多种风格中创作新音乐，现已通过Google的AI Test Kitchen应用进行预览。

        在Test Kitchen中使用MusicLM非常直观。一旦你获得访问权限，你将看到一个文本框，你可以在其中输入歌曲描述——细致入微也好，粗略一瞥也罢——然后让系统生成两个版本的歌曲。两个版本都可以下载进行离线收听，但Google鼓励你对其中一首歌曲进行“点赞”，以帮助提高AI的性能。

        它还拥有通过图片来作曲的能力。

        总的来说，MusicLM比几年前OpenAI尝试创建的AI音乐生成器Jukebox做得要好得多。与MusicLM相比，只要给出一种音乐类型，一位艺术家和一段歌词片段，Jukebox就能生成相对连贯的音乐，并配有人声，但是Jukebox产生的歌曲缺乏像重复的合唱这样的典型音乐元素，而且经常包含无意义的歌词。MusicLM生成的歌曲也包含较少的人工元素，总的来说，在保真度方面感觉是一个升级。

3、 Wordcraft

        Wordcraft是一个由AI驱动的创意写作助手。 Wordcraft仅需少量样本学习和对话，就能提供各种用户交互，支持各种故事写作任务，还可以帮助作家规划故事大纲、写作和编辑。

        Wordcraft基于 LaMDA（对话应用程序语言模型），这是一种由 Google 开发的语言模型，能够生成文本并维护对话。如果这个 AI 不能真正理解语言、含义或上下文，它知道如何生成看起来像人类的语音，这要归功于它所训练的无数数据。

        然而，Wordcraft 工具与它所依赖的 AI 不同。Mountain View 公司解释说，它类似于一种混合了在线文字处理器的“文本编辑器”。例如，用户可以要求它改写句子，使句子更有趣，甚至描述对象。它不会生成故事，而是根据作者的要求向作者提供想法。

4、 Dramatron

        Dramatron 是一个所谓的「联合写作」工具，你给它一句话（log line）描述中心戏剧冲突（比如 James 在有 Sam 鬼魂出没的后院发现了一口井），它就能自动写出标题、角色、场景描述和对话。

        使用Dramatron创作剧本，人们只需要在模型中输入Log Line（故事的一句话摘要。之后，Dramatron就会自动生成剧本标题、人物以及场景设定、细节和对话。

        和很多生成式 AI 工具一样，Dramatron 的背后也有一个大型语言模型作为支撑。这个模型名为 Chinchilla，参数量为 70B，在 1.4T token 的 MassiveText 数据集上进行训练。不过，DeepMind 在论文中表示，OpenAI 的 GPT-3 等大模型也可以用来部署 Dramatron。

        可以说，Dramatron 和 ChatGPT 很像，但它的输出更容易被改写成电影脚本。

5、 Muse

        谷歌公开了一款名为 “Muse” 的基于文本生成图像的模型，声称可以实现最先进的图像生成性能。它生成的图片画质高清、效果自然，只要输入一句文字描述它就可以马上生成图片。

文本到图像生成是 2022 年最火的 AIGC 方向之一，被《science》评选为 2022 年度十大科学突破。最近，谷歌的一篇文本到图像生成新论文《Muse: Text-To-Image Generation via Masked Generative Transformers》又引起高度关注。

        文本 – 图像生成：Muse 模型从文本提示快速生成高质量的图像（在 TPUv4 上，对于 512×512 分辨率的图像需要时间为 1.3 秒，生成 256×256 分辨率的图像需要时间为 0.5 秒）。例如生成「一只熊骑着自行车，一只鸟栖息在车把上。

        Muse 还提供了基于掩码的编辑，例如「在美丽的秋叶映照下，有一座凉亭在湖上」。

6、Phenaki

        Phenaki 是 Google Research 的一个项目，其目标是从开放域的文本描述中合成逼真的视频。Phenaki 这个名字可能来源于费纳奇镜（Phenakistiscope），一种19世纪发明的早期动画装置。

        Phenaki 的核心是两个主要组件：一个编码器-解码器模型，用于将视频压缩为离散的嵌入或令牌（token），以及一个变换器模型，用于将文本嵌入转换为视频令牌1。这样，用户只需输入一段或多段文本提示，就可以让 Phenaki 生成相应的视频令牌，并将其解码为实际的视频。