🖼️ 利用编码器和模型进行音乐和图像理解，用户可编辑音乐、调整乐器和速度。
“I”:视频输入。GPT-4V对视频的理解还相当原始，因为它将视频视为一系列离散图像。减少信息冗余的最聪明方法是什么?学习目标应该是什么?下一帧预测与下一个单词预测有着明显的类比关系，但它是否是最佳的?如何与语言交错?如何引导机器人和人工智能的视频学习?业界尚未达成共识。
DeWave训练流程
在抖音，KOC分销已经成为日护品牌植护的GMV贡献大头。据新抖数据统计，近30天植护合作1.19万个直播达人，关联14万场直播，最终累计带货2500万-5000万元。
要点: