Mistral 发布 Large 2 123B 大模型；微软发布 VALL-E 2，零样本实现声音克隆丨 RTE 开发者日报

开发者朋友们大家好：

这里是「RTE 开发者日报」，每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE（Real-Time Engagement）领域内「有话题的新闻」、「有态度的观点」、「有意思的数据」、「有思考的文章」、「有看点的会议」，但内容仅代表编辑的个人观点，欢迎大家留言、跟帖、讨论。

本期编辑：@JLT，@鲍勃

有话题的新闻

1、阿里巴巴通义大模型成为奥运首个 AI 大模型应用技术提供方

7 月 24 日，阿里巴巴通义大模型在与众多国际科技公司的竞争中获胜后，成为奥运首个 AI 大模型应用的技术提供方。

在即将开幕的巴黎奥运会上，将有一系列 AI 应用亮相。其中就包括阿里 AI 技术支持的 360 度直播特效、黑白影像 AI 彩色修复、碳减排辅助等应用。

另外，巴黎奥运会还将上线首个大模型应用，由阿里通义千问提供技术支持，开放给国际奥组委官方解说员使用，辅助各项赛事解说。（@爱范儿）

2、Mistral 发布 Large 2 123B 大模型

法国初创公司 Mistral AI 今天宣布推出 Large 2，这是其新的旗舰机型，在代码生成、数学和推理方面的能力大大增强。Mistral 还在 Large 2 中增加了更好的多语言支持和高级函数调用功能。

Mistral Large 2 型号有 1230 亿个参数，可在单个 H100 节点上以高吞吐量运行。它支持法语、德语、西班牙语、意大利语、葡萄牙语、阿拉伯语、印地语、俄语、汉语、日语和韩语。在编码方面，它支持 80 多种编码语言，包括 Python、Java、C、C++、JavaScript 和 Bash。Mistral Large 2 现已开放权重，但只能免费用于研究和非商业用途。商业用途需获得模型许可。(@CSDN)

3、苹果宣布推出 Apple Maps 网页版地图，全球用户可直接通过浏览器访问

苹果今日宣布旗下 Apple Maps 网页版正式上线并开启全球公测，所有用户均可直接通过浏览器使用地图服务（中国内地 IP 打开该网站默认跳转高德地图）。苹果指出，用户可通过 Apple Maps 网页版获取驾车和步行路线、寻找好的去处、获取目的地信息（包括照片、营业时间、评分和评论），还可以直接从地图卡片上订餐。

借助 Apple Maps 网页版，用户可以浏览精选指南以探索全球各大城市的美食、购物和景点。此外，苹果还宣布将在未来几个月内推出包括「附近」在内的更多有趣功能。

对于开发者来说（包括使用 MapKit JS 的开发者），也可以链接到 Apple Maps 网页版，让用户获取驾车路线、查看详细地点信息等。（@IT 之家）

4、阿里云宣布推出 Llama3.1 系列开源训练推理服务

昨日，阿里云宣布，阿里云百炼平台推出 Llama3.1 系列开源训练推理服务。平台将限时 1 个月为所有用户提供免费算力额度，助力用户玩转 Llama3.1 训练推理。

Meta 于昨天凌晨发布了 Llama 3.1 模型，它包含 8B、70B 和 405B 三个尺寸，最大上下文提升到了 128K，支持多语言，代码生成性能优秀，具有复杂的推理能力。（@爱范儿）

5、语音克隆达到人类水平，微软全新 VALL-E 2 模型让 DeepFake 堪比配音员

继去年初的第一代 VALL-E 模型之后，微软最近又上新了 VALL-E 2 模型，标志着第一个在合成语音稳健性、相似度、自然程度等方面达到人类水平的文本到语音模型。

最近，微软发布了零样本的文本到语音（TTS）模型 VALLE-2，首次实现了与人类同等的水平，可以说是 TTS 领域里程碑式的进展。「零样本」意味着推理过程中，模型只能参照一段简短的陌生语音样本，用相同的声音说出文本内容，就像一个能即时模仿的口技大师。

虽然 VALL-E 2 有很强的零样本学习能力可以像配音员一样模仿声音，但相似度和自然度取决于语音 prompt 的长度和质量、背景噪音等因素。（@IT 之家）

有态度的观点

1、英伟达黄仁勋：全球企业采用生成式 AI 的关键时刻已经到来

英伟达推出全新 NVIDIA AI Foundry 服务和 NVIDIA NIM 推理微服务，与 Llama 3.1 系列开源模型一起，为全球企业提供生成式 AI 相关服务。

黄仁勋认为，Llama 3.1 开源模型将掀起各个企业与行业创建先进生成式 AI 应用的浪潮。（@每日经济新闻）

写在最后：

我们欢迎更多的小伙伴参与「RTE 开发者日报」内容的共创，感兴趣的朋友请通过开发者社区或公众号留言联系，记得报暗号「共创」。

对于任何反馈（包括但不限于内容上、形式上）我们不胜感激、并有小惊喜回馈，例如你希望从日报中看到哪些内容；自己推荐的信源、项目、话题、活动等；或者列举几个你喜欢看、平时常看的内容渠道；内容排版或呈现形式上有哪些可以改进的地方等。