W.A.I. #57

Bienvenida/o a WAI, tu newsletter semanal de Inteligencia Artificial.

Una semana más se presenta edición bien cargada de novedades. En esta ocasión partía de 336 noticias pre-seleccionadas nada menos, lo comento para que te hagas una idea del volumen de historias que sigue generando el mundo de la IA a diario.

Disclaimer: Recuerda que ya no me peleo con Gmail y toca darle a “Lee online” arriba a la derecha si no quieres perderte la mitad de la newsletter.

Siempre que me salto una semana me pasa algo parecido, veo noticias que pienso que se han quedado súper antiguas y en realidad tienen apenas 10 días, este es el ritmo en el que vivimos actualmente.

No sé si en algún momento se relajará la cosa, pero por el momento toca apretarse el cinturón que dicen los ingleses, porque no parece que se vaya a tranquilizar el tema. Recordemos que OpenAI no ha movida ficha últimamente 🙃.

Sin más rodeos, te dejo con mucho de lo acontecido en los últimos días.

Empezamos.

Contenidos de hoy

• Lo mejor de la semana

• La Cacharrería

• Imagen

• Texto

• Vídeo

• Diseño 3D

• Todo lo demás

• Formación y tutoriales

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

▶️ Anthropic rompe la baraja y consigue con Claude 3 lo que nadie había logrado hasta ahora, desbancar a GPT-4 como mejor modelo de lenguaje.

▶️ La compañía francesa Mistral publicó su nuevo modelo Large, con un rendimiento magnífico, sólo por debajo de GPT-4 según sus pruebas.

▶️ EMO es un nuevo modelo que permite animar avatares a partir de archivos de audio con unos resultados alucinantes. Recomiendo muchísimo ver los distintos ejemplos.

▶️ Súper interesante charla de Marques con los desarrolladores de Sora, donde dan algunas interioridades de su desarrollo.

▶️ Playground anunció la versión 2.5 de su fantástico generador de imágenes, que además es open source. Abajo dejo cómo probarlo.

▶️ Elon Musk demanda a OpenAI por incumplimiento de contrato y otras tantas cosas relacionadas. Y por tocar las narices añadiría yo.

▶️ Google presentó Genie, un generador de entornos interactivos.

▶️ OpenAI sella una colaboración con Figure, la compañía de robótica.

▶️ Pi sube de nivel con la llegada de Inflection 2.5, un modelo que, según sus creadores, está al nivel de GPT-4.

▶️ Como última noticia de las destacadas, dejo directamente el enlace a la clasificación de modelos de lenguaje, que ha tenido mucho movimiento últimamente.

🐔 Tuit de la semana

▶️ Este tipo de mensajes de las cabezas visibles de las grandes empresas me encantan. Demuestran valentía y confianza en sus productos.

🏆️ Imagen de la semana

Una de esas imágenes que es muy llamativa pero que, personalmente, no creo que tenga mucho sentido al comparar y medir cosas muy diferentes.

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

▶️ Prueba gratis el magnífico generador de imágenes Playground v2.5.

▶️ MeloTTS es un generador de voz a partir de texto rapidísimo que puedes probar gratis por aquí o en Pinokio en local.

▶️ Mientras nos va llegando el acceso a Gemini 1.5 y su capacidad de analizar vídeos, aquí tienes una alternativa gratuita para matar la espera.

▶️ Hasta ahora OOTDiffusion es el mejor try-on que he probado. Puede ponerle cualquier prenda a cualquier persona. También en formato Colab gracias a Camenduru aquí.

▶️ Poca gente sabe que Nvidia tiene una web llena de demos para probar distintos modelos de lenguaje y generación de imagen. Cacharrea en ella aquí. 

▶️ Prueba el nuevo modelo Mistral Large en su plataforma tipo ChatGPT llamada Le Chat.

▶️ Prueba MultiLora, un nuevo método para utilizar varios LoRAs a la vez para generar imágenes.

🖼️ Imágenes

▶️ El generador de imágenes Ideogram 1.0 ya está disponible demostrando una vez más su gran capacidad para crear texto.

▶️ Parece que por fin tenemos tile ControlNet para modelos SDXL, incluyendo Upscale Tiling.

▶️ Charis es un concurso de arte generado con IA que tiene abierto su plazo de inscripción.

▶️ La creación de sprite sheets a partir de texto para crear animaciones está muy cerca gracias a Scenario.

▶️ Parece que Dall-E 3 incorporará estilos predefinidos en breve según esta filtración.

▶️ Según Midjourney, trabajadores de Stability fueron pillados intentando robar imágenes y prompts de su sistema.

▶️ Visual Style Prompting promete poder generar imágenes de cualquier estilo usando una única imagen de referencia.

▶️ Según parece, ya puedes usar cualquier workflow de ComfyUI vía Replicate.

▶️ Midjourney publica una nueva versión de su herramienta “describe”, ahora es mucho más precisa.

▶️ PixArt-Σ es un nuevo modelo para entrenar generadores de imágenes capaces de crear salidas a 4k.

▶️ SUPIR es un nuevo upscaler con IA que afirma superar a Magnific y Topaz.

▶️ Interesante comparativa entre imágenes generadas con Medijourney 6 y Stable Diffusion 3.

▶️ Para los amantes del pixelart, ya está disponible PixelCascade, Lora para Stable Cascade.

▶️ PhotoRoom añade 5 nuevas herramientas con IA para la edición de imágenes.

▶️ BRIA 2.3 es un modelo para generar imágenes entrenado con datos 100% legales y por lo tanto libre de historias y problemas de copyright.

▶️ Everart sube el nivel en la consistencia de imágenes y lanza UltraLora, con el que podrás entrenar personas, modelos y objetos.

✏️ Texto

▶️ Pedro Sánchez anunció la creación de un modelo de lenguaje con todas las lenguas del Estado.

▶️ Súper comparativa de Fran Conejos para medir el rendimiento de Gpt-4 vs Claude 3.

▶️ Primeras pistas sobre cómo podría ser la nueva versión de Data Analyst en ChatGPT.

▶️ Microsoft ha comenzado a desplegar sus propios copilots GPTs dentro de Copilot.

▶️ ¿Cuáles son los mejores modelos haciendo RAG? Traducción: ¿qué modelo recupera mejor información de los documentos que se le dan?

▶️ Según este investigador, tratar a los chatbots de forma amable podría mejorar su rendimiento.

▶️ Moondream 2 es un nuevo modelo de visión súper ligero y open source. Se puede probar en Replicate aquí.

▶️ Poe ya incorpora todos los nuevos modelos que han salido esta semana, incluyendo Mistral Large y Claude 3.

▶️ Según esta fuente, Meta lanzará Llama 3 en julio y dicen que supera a GPT-4 y Gemini.

▶️ Parece ser que el 20% de ahorro en el precio de la API de Mistral se diluye por culpa de su peor gestión de los tokens respecto a GPT-4.

▶️ Google planea tener versiones de Gemini funcionando en local en sus móviles Pixel para 2025.

▶️ Según este estudio GPT-4 tendría un perfil de personalidad muy similar al de un humano medio.

🎥 Vídeo

▶️ LTXStudio es el sueño húmedo de cualquier creador de contenido en vídeo con IA.

▶️ Pika añade generación de efectos de sonido a su ya de por sí fantástica generación de vídeo.

▶️ Dough es una herramienta beta para controlar la creación de vídeo con una pinta maravillosa.

▶️ Súper curiosa la forma de integrar la generación de vídeo con IA en una performance artística.

▶️ Atomo-Video es un nuevo modelo de creación de vídeo con IA de alta precisión.

▶️ Vídeo de Álvaro Wasabi analizando el impacto de la IA al mundo del cine.

▶️ Casi 10 minutos de falso documental generado con IA que demuestra una vez más lo rápido que avanza todo.

▶️ SwitchLight es una nueva herramienta que permite reiluminar modelos de vídeos.

🧱 Diseño 3D

▶️ Roblox presenta FlashText, un método para texturizar modelos 3D a partir de instrucciones de texto.

▶️ Stability anunció TripoSR, un modelo para generar 3D a partir de imagen a una velocidad tremenda.

👉️ Se puede probar en Replicate aquí.

▶️ Cómo texturizar modelos 3D con Stable Diffusion y ControlNet.

▶️ DUSt3R es una nueva herramienta para recrear 3D a partir de muy pocas imágenes. Los ejemplos son bastante impresionantes.

📻️ Todo lo demás

▶️ Cómo utiliza Madonna la IA en la realización de su actual gira de conciertos.

▶️ La comisión que estudiaba el despido de Sam Altman concluye que todo esta ok y que pueden seguir como estaban, cambiando 3 miembros de la junta y poco más.

▶️ Bland es una IA que suena como un humano y sus creadores dicen que puede hacer de todo.

▶️ El CEO de Crunchyroll confirma que están estudiando usar IA para subtitular anime.

▶️ Entrevista de Lex Fridman a Yann Lecun, jefe de IA en Meta.

▶️ Un nuevo modelo IA es capaz de predecir qué tipo de medicamentos no deberían tomarse juntos.

▶️ Apple cancela su proyecto de coche eléctrico y manda a sus desarrolladores a trabajar en IA.

▶️ Adobe presenta Project Music GenAI Control, su herramienta generativa para crear y editar audio.

▶️ Interesante entrevista a Demis Hassabis, jefe supremo de DeepMind, tras la publicación de Gemini 1.5.

▶️ Estudio sobre los sesgos de ChatGPT a la hora de filtrar candidatos para distintos puestos de trabajo.

▶️ ChatMusician es un modelo IA que entiende y crea música. Y hay colab para probarlo.

🎓️ Formación y tutoriales

▶️ Tutorial paso a paso para generar un copiloto IA en tiempo real que te asiste en las conversaciones en tu propio móvil.

▶️ Guía para generar un avatar virtual con IA con Synthesia.

▶️ Cómo crear una bot de telegram para generar imágenes usando SDXL Turbo.

🍅 Salseo

▶️ El guionista de Road House demanda a Amazon por usar IA para acabar su película durante la huelga de Hollywood.

▶️ Un ingeniero de Microsoft avisó de que las imágenes que generaba Copilot Designer tenían contenido muy turbio.