微软推出可互动和生成多模态的人工智能模型 CoDi

微软近日推出一款名为可组合扩散模型（CoDi），这是从声音、文字、图像到视频，所有模态被彻底打通，如同人脑一般，实现了真正意义上的任意输入，任意输出的技能，是一种独特的、基于可组合扩散的人工智能模型。

微软设计 CoDi 的目标，旨在解决传统单一模态 AI 模型的局限性。以同步视频和音频为例，独立生成的信息流拼接在一起时可能存在不一致和对齐的问题。

CoDi 采用了独特的可组合生成策略，在扩散过程中对齐多模态，从而生成相互交织的模式，更重要的是，CoDi 能够处理任意输入模式并生成任意模态的内容。

CoDi作为Microsoft项目i-Code的一部分，旨在利用人工智能增强人机交互体验。该项目由Microsoft Azure认知服务研究团队与北卡罗来纳大学教堂山分校共同开发，其设计目标是互动和生成多模态内容。