W.A.I. #61

Bienvenida/o a otra edición de WAI.

Esta semana se han puesto de acuerdo todos los grandes para sacar nuevos modelos y, como suele ser habitual ya, parece que fue todo una reacción en cadena, nada muy planificado.

Da la sensación que todos están aguantando sus cartas con cara de póker para ver quien mueve ficha primero y reaccionar en consecuencia.

Esto tiene su parte divertida para nosotros usuarios porque en breve vienen grandes eventos de Microsoft, Google y Apple y, dependiendo de lo lustrosos que sean, los demás tendrán que mover el culo y salir a bailar como decía aquel.

Aparte de eso, esta semana reflexionaba un poco sobre Stability, la extraña salida de su CEO y, sobre todo, sobre cómo ese Stable Diffusion 3, que parecía estar en la casilla de salida, se ha quedado en un limbo rarísimo.

Espero que se resuelva pronto y se pueda, de una forma u otra, probar las virtudes de ese modelo, que algunos decían que podía ser el último necesario a nivel imagen.

Mientras tanto, toca esperar y empaparse del resto de novedades IA de la semana.

Recuerda darle a lee online arriba a la derecha para no perderte nada, hoy la formación es canela en rama, palabrita.

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.

▶️ OpenAI ha despedido a dos miembros de su equipo de seguridad por filtrar información.

▶️ Impresionante es poco para definir a Udio, el nuevo modelo de generación musical. Ponte esta canción y pruébalo gratis en su web para comprobarlo.

▶️ Tenemos nuevo modelo de Mixtral, esta vez aparentemente basado en el modelo medium de Mistral, con unos primeros resultados muy buenos.

▶️ Parece confirmarse que la próxima semana veremos los primeros modelos Llama 3 de Meta.

▶️ Gemini 1.5 Pro pasa a estar disponible públicamente y además gana capacidades de audio.

▶️ Grok 1.5 será multimodal y contará con ojos para entender imágenes. Los primeros test apuntan a que está al nivel de GPT-4.

▶️ Bloomberg revela que Adobe Firefly utilizó imágenes de Midjourney para entrenarse. Recordemos que una de sus ventajas era la ética y legalidad del dataset usado.

▶️ OpenAI usó más de un millón de horas de transcripciones de Youtube para entrenar GPT-4.

▶️ Tenemos nueva versión de GPT-4 con sustanciales mejoras en rendimiento. Las malas lenguas dicen que podría ser el teórico GPT-4.5 que se medio filtró.

▶️ Grok 2.0 llegará en mayo y dicen que superará a GPT-4. Habrá que ver primero qué tal la 1.5 y si cumplen.

🐔 Tuit de la semana

▶️ Llamada abierta a quien quiera dirigir la IA de España.

🏆️ Imagen de la semana

Esta semana Sam Altman dio una charla privada sobre el futuro de OpenAI. Ahí podemos ver asomar a los Agentes.

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

▶️ Insisto con Udio porque tienes que probarlo, generar canciones es gratis en su fase beta y es súper sencillo.

▶️ La maravillosa demo de Apolinario Face to All para transformar retratos ahora admite cualquier LoRa de CivitAI.

▶️ Ya puedes probar el nuevo modelo Mixtral 8×22B en Perplexity Labs. Ojo que es un modelo base y es más duro de usar.

▶️ Demo oficial de InstaStyle, para lograr transferencia de estilo en tus creaciones.

▶️ HuggingChat permite usar Cohere Command R+ de manera gratuita.

▶️ Y también puedes probar la versión finetuneada del nuevo Mixtral: Zephyr 141B.

▶️ Stability presentó CosXL y CosXL Edit, modelo que permite editar imágenes fácilmente y que puedes probar aquí.

▶️ Demo de MagicTime, modelo para crear timelapses en vídeo con IA.

🖼️ Imágenes

▶️ Automatic 1111 se actualiza a la versión 1.9.0.

▶️ Ya están disponible los modelos IPAdapter de transferencia de estilo y composición para SD 1.5.

▶️ ComfyUI añade nodos de texto y visión para utilizar GPT-4 y Claude 3 en tus workflows.

▶️ El upscaler Clarity añade la posibilidad de cargar LoRAs y modelos propios creados con Dreambooth para solucionar el problema de la consistencia de personajes en sus upscales IA. El primero en aplicarlo ha sido Peter Levels en su plataforma Photo AI.

▶️ El modelo generativo de Google Imagen 2 ahora es capaz de crear pequeñas animaciones de 4 segundos.

▶️ La versión 6.1 de Midjourney está de camino con mejoras en caras y manos principalmente.

▶️ Flujo de trabajo para tener un generative fill como el de Photoshop en ComfyUI.

▶️ Ideogram añade la funcionalidad de descripción de imágenes y nuevas mejoras en la generación de imágenes.

▶️ Si te preguntabas si sigue habiendo demanda de AI Influencers, la respuesta es que parece que sí. Al menos en base a muchos perfiles similares que siguen apareciendo por redes. Pongo un ejemplo con más de 125k seguidores. Y cada vez van más a saco y más explícito.

✏️ Texto

▶️ Stability anunció un nuevo modelo de lenguaje: StableLM2 12B.

▶️ Si tienes curiosidad por conocer el system prompt de Gemini, aquí mismo lo han desvelado.

▶️ Google ha compartido esta guía de prompting para Gemini.

▶️ El CEO de Poe presentó esta semana su modelo de monetización de chatbots en su plataforma.

▶️ Google anunció dos nuevos modelos open source, CodeGemma y RecurrentGemma.

▶️ Este paper de Google apunta a un posible futuro con ventanas de contexto infinitas para los modelos de lenguaje.

▶️ Cohere presentó Rerank 3, su modelo especializado en búsqueda y RAG a nivel empresa.

▶️ Y también Google actualizó el modelo actual Gemma a su versión 1.1, tanto en 2B como en 7B.

▶️ Claude 3 Haiku bate a GPT en cuanto a llamada a funciones según este estudio.

▶️ Colab creado por Matt Shumer que usa la reciente API de Gemini 1.5 para analizar vídeos de youtube.

▶️ AutoCodeRover logra superar a Devin, el primer agente ingeniero de software IA (17% vs 22.33%)

🎥 Vídeo

▶️ DaVinci saca su versión 19 con varias y jugosas novedades IA para editar vídeo/audio.

▶️ A.I. Warper ha creado un generative fill para vídeo. Todo con open source. Increíble. 

▶️ Una semana más, fantástico vídeo creado con ComfyUI y Krea por Boldtron.

▶️ Kaiber abre a todo el mundo algunas de sus novedades como Motion 3.0.

▶️ Gran demostración de Jon Finger de lo que se puede lograr uniendo muchas de las herramientas IA ya disponibles. Recomiendo mucho ver el vídeo.

▶️ Reconozco que fui el primero en no tomarme en serio la iniciativa de Open-Sora cuando se anunció. Intentar emular a OpenAI me parecía descabellado, pero poco a poco van mostrando avances más que interesantes (aunque siguen estando lejos).

▶️ Parece que Adobe está apretando para conseguir un modelo de vídeo con el que competir con Sora de OpenAI.

▶️ DigenAI es una nueva plataforma de creación de avatares en vídeo con IA. En español suena a guiri en la La Manga, pero todo se andará.

▶️ Entrevista de Xavier Mitjana con MrBoofy, uno de los máximos exponentes de la creación de vídeo con IA.

🧱 Diseño 3D

▶️ El uso de 3D con una capa de IA por encima cada vez tiene más fuerza y ejemplos como este de MetaHumans de Unreal es sólo una muestra. Te recomiendo horrores ver los vídeos originales del enlace.

▶️ Key2Pose permite recrear en 3D cualquier persona en movimiento a partir de tan sólo un vídeo.

▶️ Luma llega finalmente a Android, así que ya todo el mundo puede escanear entornos y modelos 3D desde su móvil.

▶️ Design2Cloth es un modelo para recrear ropa en 3D a partir de fotos.

📻️ Todo lo demás

▶️ Primera plataforma independiente para clasificar modelos IA para pasar de Audio a Texto. 

▶️ Justin Trudeau anunció una inversión de 2 billones de dólares para apoyar el acceso a infraestructuras a las empresas, startups e investigadores en el campo de la IA en Canadá. Un enfoque un poco diferente al que tenemos aquí en España 🙃.

▶️ Recopilación de lo que se sabe hasta ahora de la nueva empresa que quiere fundar Sam Altman junto a Jony Ive (ex jefe de diseño de Apple) para crear dispositivos IA.

▶️ Hugging Face hace totalmente open source su solución para inferencia de modelos en producción.

▶️ Microsoft tendrá una nueva sede para IA en Londres dirigida por un ex Inflection y DeepMind.

▶️ Aquí tienes 20 minutos en crudo de uso del “flamante” AI Pin, que ya he empezado a entregarse a sus usuarios. Spoiler: es un mojón.

▶️ Nuevo estudio de Anthropic sobre la capacidad de persuasión de los modelos de lenguaje.

▶️ Suno presentó su nueva opción para explorar nuevos géneros musicales.

▶️ Spotify empieza a probar la creación de listas de reproducción con IA.

▶️ Súper interesante entrevista a Maya Akim, especialista en agentes IA y autodidacta.

▶️ Meta anunció su nuevo chip dedicado a IA para acelerar entrenamientos e inferencia.

▶️ Nathan Lands y Matt Wolfe, dos de los mejores divulgadores sobre IA, han creado un podcast en el que contarán con invitados de gran nivel. En el primer episodio, nada menos que el CEO de Perplexity.

▶️ Google liberó su generador de Agentes IA en Vertex AI.

▶️ Parler-TTS es un nuevo modelo para pasar texto a voz open source y con muy buena pinta, al menos en inglés.

🎓️ Formación y tutoriales

▶️ Modelo preparado para rediseñar interiores respetando su estructura.

▶️ Tutorial introductorio a LangChain para entender todos los conceptos y poder empezar a desarrollar con esta plataforma.

▶️ Vídeo explicando cómo funciona el mecanismo de atención de los transformers, uno de los pilares de la IA actual.

▶️ A estas alturas es más que probable que hayas visto el vídeo de el Joker como rapero (aquí tienes el enlace por si acaso). Pues te dejo un vídeo donde se explica cómo conseguir resultados similares.

▶️ Guía de Ben Tossell para sacar todo el partido a Claude

▶️ Maravilloso tutorial para crear un agente capaz de vestir a cualquier persona con la ropa que quieras.

▶️ Si quieres aprender cómo funcionan los modelos de lenguaje, este artículo de Financial Times es perfecto.

▶️ Cómo añadir tatuajes a cualquier persona usando ComfyUI.

🍅 Salseo

▶️ Polémica una semana más por la elección de un corto hecho con IA para un concurso creado por Pink Floyd.