W.A.I. #49

Bienvenida/o a otra edición de WAI.

Entramos de lleno en la navidad y una vez más podemos decir que a los del mundo de la IA les da exactamente igual las fechas en las que estemos, ellos siguen a piñón fijo sacando novedades como churros.

Esto nos permite, una semana más, tener una edición hasta las cejas de cosas interesantes y con muchas demos y herramientas que probar.

Sin más, te dejo con (casi) todo lo que ha ocurrido en los últimos 7 días.

Empezamos.

Índice de contenidos

• 🗻 Lo esencial de la semana

• 🛠️ La Cacharrería (si eres de probar las cosas, e …

• 🖼️ Imágenes

• ✏️ Texto

• 🧱 Diseño / 3D

• 🎥 Vídeo

• 📻️ Todo lo demás

🗻 TOP 10 - Si solo tienes 2 minutos, esta es tu sección.

▶️ FunSearch es un trabajo de DeepMind en Nature con un impacto enorme. En él dicen demostrar la capacidad de los modelos de lenguaje para crear nuevos descubrimientos científicos.

▶️ OpenAI anunció la reapertura de las suscripciones a ChatGPT plus.

▶️ Esta semana Google cumplió su palabra y liberó la API de Gemini Pro para todo el mundo. Con un VPN la puedes usar en Google AI Studio. Abajo dejamos más alternativas para probarlo.

▶️ Channel 1 publicó lo que podría ser el futuro de los informativos, con todo generado con IA, presentadores, reportajes, etc. Merece mucho ver aunque sea un trocito del vídeo.

▶️ Los usuarios con más de 10000 imágenes generadas ya podemos empezar a usar Midjourney vía web.

▶️ En este extracto, el famoso youtuber Marques Brownlee muestra las nuevas capacidades multimodales de las gafas Meta smart glasses. ¿Será que viene LLaMA 3 o multimodal?

▶️ Esta semana se publicó AnimateDiff v3, la actualización del modelo para animar imágenes en Stable Diffusion.

▶️ Microsoft presentó su nuevo modelo de lenguaje Phi-2, que supera a otros modelos pequeños de lenguaje y puede funcionar en móviles y portátiles.

▶️ WALT es un nuevo modelo ideado para crear vídeos realistas a partir de texto que además puede crear movimientos de cámara 3D consistentes.

🐔 Tuit de la semana

▶️ Intercambio de tuits entre OpenAI y Elon Musk a raíz de una respuesta de Grok usando la típica fórmula de chatGPT.

🏆️ Imagen de la semana

▶️ Posible filtración de un futuro modelo GPT-4.5

🛠️ La Cacharrería (si eres de probar las cosas, estás en el lugar adecuado)

▶️ Demo para probar Gemini y Gemini Vision de forma cómoda en Hugging Face.

▶️ Esta demo es una pasada: permite transformarte en quien quieras en tiempo real.

▶️ En esta otra demo puedes probar el modelo de texto “mediano” de Mixtral, que está dando un rendimiento fantástico y es open source.

▶️ Demo en Replicate para usar Dynamicrafter: modelo para animar imágenes con instrucciones de texto. También puedes hacerlo con este Colab.

▶️ Demo de TextDiffuser-2, generador de imágenes con la habilidad de añadir textos perfectamente legibles.

▶️ El nuevo estimador de mapas de profundidad, Marigold, ya se puede probar tanto en Hugging Face como en Replicate.

▶️ Aquí puedes usar Audiobox de Meta, una herramienta para generar cualquier sonido que tengas en mente.

🖼️ Imágenes

▶️ Buenas noticias sobre la inminente llegada de Midjourney v6 porque ya se inició la votación por parte de la comunidad de imágenes generadas con dicho modelo. Este es el paso previo a la capa de estilo que le ponen justo antes de publicarlo.

▶️ Stability reveló finalmente su sistema de suscripciones para usar comercialmente sus modelos (Stable Diffusion, Stable Video, etc).

▶️ Outfit Anyone permite vestir a quien quieras con la ropa que quieras. Comparto una demo, pelín limitada eso sí, para ir abriendo boca: Demo Outfit Anyone en Hugging Face.

▶️ Visual Electric presenta su nueva herramienta Collage, que te permite pegar varias imágenes juntas y dejar a la IA que las integre para generar una nueva.

▶️ X-Adapter permite utilizar herramientas como ControlNet y LoRAs de SD 1.5 en SDXL sin necesidad de reentranamiento.

▶️ Steerable Motion es un módulo para ComfyUI que permite la generación de vídeos uniendo de forma fluida varios fotogramas.

▶️ Instagram ha añadido la funcionalidad de sustitución y creación de fondos con IA.

▶️ Snapchat añade generación de imágenes con IA a su plataforma.

✏️ Texto

▶️ Ya están en Chatbot Arena tanto Gemini Pro como Mixtral y puedes ver sus posiciones en la clasifición de modelos de lenguaje.

▶️ Windows presentó su herramienta AI Studio para facilitar el desarrollo de aplicaciones con Inteligencia Artificial.

▶️ Si quieres probar Gemini Pro, ya puedes hacerlo a través de Poe.

▶️ Dolphin-2.5-mixtral-8x7 es un finutuning del modelo Mixtral con la particularidad de que no tiene ningún filtro ni censura. Usar con responsabilidad.

▶️ Remake de la demo de Gemini pero usando GPT-Vision.

▶️ Si tienes curiosidad por ver el prompt del sistema de ChatGPT con GPT4, este usuario de Twitter lo ha compartido.

▶️ Hilo muy interesante desde el punto de vista de una profesional legal sobre el nuevo marco de regulación sobre IA de la Unión Europea.

▶️ El modelo Mixtral 8×7b se puede usar ya en perplexity labs.

▶️ Pongo esta noticia, y siento insistir con los palos a Google, pero me ha dado un poco de cosica ver esta promoción de Google Bard con el futbolista Harry Kane.

🧱 Diseño / 3D

▶️ Stabiliy anunció la publicación de Stable Zero123, su primer modelo de texto a 3D.

▶️ Uso de los pases de profundidad generados con Marigold para luego convertir una imagen en 3D con Blender.

▶️ World Mesh Alpha v2 es una nueva herramienta que permite generar entornos con geometrías 3d a partir de imágenes de 360º. El vídeo muestra muy bien de lo que es capaz.

▶️ Flujo de trabajo completo para pasar de boceto a 3D usando KREA, Magnific y LucidDream.

▶️ Súper interesante vídeo sobre cómo la posibilidad de capturar la realidad en 3D con tecnologías como gaussian splating va a tener muchísimas aplicaciones en el futuro.

▶️ Prueba de concepto que demuestra que en un futuro puede que los motores de render pasen a ser por IA generativa.

🎥 Vídeo

▶️ Upscale-A-Video es un modelo que permite escalar y mejorar vídeos con un nivel de calidad increíble.

▶️ WonderJourney genera vídeos infinitos a partir de una única imagen.

▶️ Alibaba anunció esta semana su propio modelo de imagen a vídeo, 12VGen-XL.

▶️ DreaMoving es una nueva aproximación a la animación de cualquier personaje mediante referencias, en este caso, además, hace un pase extra para conservar la cara original.

📻️ Todo lo demás

▶️ LobeChat es una nueva plataforma muy similar a Poe pero open source.

▶️ En el futuro los humanos tendremos que supervisar modelos más inteligentes que nosotros. Por ello, el equipo de OpenAI ha hecho una analogía con modelos pequeños supervisando modelos grandes.

▶️ OpenAI estaría hablando con la matriz de Snapchat, que produce gafas inteligentes para unir fuerzas en un futuro.

▶️ Un equipo de investigadores ha demostrado que es posible conectar células cerebrales humanas cultivadas en laboratorio a un chip electrónico para realizar tareas computacionales simples, en este caso la tarea es reconocimiento de voz. Esto es una puerta a sistema híbridos que combinen IA con la flexibilidad de las células cerebrales.

▶️ Resemble Enhaced es un modelo open source que mejora muchísimo tus archivos de audio.

▶️ Runway publicó un artículo muy interesante sobre lo que ellos creen que será el futuro de los modelos, capaces de entender el mundo que les rodea.

▶️ Tesla presentó su nuevo robot humanoide Optimus Gen-2.

▶️ La revista Time analiza un problema que está escalando en gravedad: el uso de apps para desnudar mujeres con IA.

▶️ Nova-2 es un nuevo modelo para pasar ve voz a texto que dicen que tiene una precisión un 36% mayor que Whisper.

▶️ Vercel hace público v0, su modelo de generación de UI y código a partir de imágenes.

▶️ Delphi es una nueva plataforma cuyo objetivo es clonar digitalmente personas.

🎓️ Formación y tutoriales

▶️ Guía de Replicate sobre Stable Diffusion

▶️ Guía de Ethan Mollick para saber qué modelos de lenguaje usar en cada ocasión.

▶️ Tutorial para subir modelos a Replicate

▶️ Guía para que personas no técnicas comiencen a usar Hugging Face.

Despedida

Como siempre, muchísimas gracias por leer esta newsletter. ¿Qué te ha parecido?

Si tienes cualquier sugerencia o comentario, por favor, házmelo llegar (estoy por aquí en Twitter) y lo tendré en cuenta para futuras ediciones.

Y si crees que le puede interesar a alguien, aquí tienes la forma de compartirla.

También puedes copiar y compartir directamente este enlace

https://wai-newsletter.beehiiv.com/subscribe

¡Saludos