个人微信：duge360；推特：Gorden_Sun
1、ChatGPT 支持多模态
ChatGPT 支持了多模态，能力逐步开放。包括：识别图片内容、识别语音、生成语音。支持中文语音识别和生成中文语音，但是生成的中文语音稍微有点老外说中文的口音。
官方新闻：https://openai.com/blog/chatgpt-can-now-see-hear-and-speak
GPT-4V图像识别能力的论文：https://cdn.openai.com/papers/GPTV_System_Card.pdf
图片识别效果演示：
ssstwitter.com_1695644509964.mp4
语音对话效果演示（来源：一口新饭）：
ssstwitter.com_1695726728405.mp4
2、Spotify 推出播客的语音翻译功能
使用的是 OpenAI 新发布的语音生成技术。
效果演示：
ssstwitter.com_1695727764417.mp4
3、AnimateDiff也支持镜头控制功能了
Github：https://github.com/guoyww/AnimateDiff