2023年，我们看到了扩散模型推理速度方面的一些重大理论改进，例如Song等人的原始一致性模型论文，以及最近的LCM。（另外，对抗扩散蒸馏。）我们已经开始看到使用这些想法的项目，例如Dan Wood的Art Spew(每秒77512×512图像，在单个4090上)、Modal的Turbo.art(基于SDXL Turbo) 和fal.ai的30fps脸部交换。
7. 没有AGI。山姆-奥特曼（Sam Altman）对AGI的看法似乎仍是遥不可及的梦想。关于AGI定义和时间表的争论仍在继续，但我们不会在2024年看到AGI。
8. 合成数据激增。合成数据在AI领域正变得至关重要，尤其是在医疗保健和金融等敏感领域（作为隐私和偏见的解决方案）。如果我们能解决合成数据问题，它将有利于开源，因为在开源领域，购买海量数据集并不是一种选择。
LLaVA是一个端到端训练的多模态大模型，它将视觉编码器和用于通用视觉和语言理解的Vicuna相结合，具备令人印象深刻的聊天能力。而CogAgent是在CogVLM基础上改进的开源视觉语言模型，拥有110亿个视觉参数和70亿个语言参数。
语音自动生成字幕: 工具具备自动生成字幕的功能，用户可以在软件中对生成的字幕进行灵活编辑，确保最佳的翻译效果。