到2024年，我们将看到更多实时图像、音频和视频生成传播应用。
不要和用户情绪对着干，同时谨慎利用这股力量，可能是花西子留下的最大教训。2024年，克制品牌表达欲望，谨慎对待大众情绪，会是品牌公关的重要课题。
正如我们在文章《视频号到大声谈钱的时候了》中所说，视频号早期虽然存在基建不完善、流量不精准、方法难掌握、用户老龄化等问题，但基于微信的庞大流量，以及高客单、高复购、高粘性、低退货等特点，视频号仍然让不少品牌掘到了红利。
VCoder作为一个视觉编码器，为MLLM提供了更好的视觉感知能力，能够处理特殊类型的图像，并改善了对象感知任务的表现。在与其他模型的比较中，VCoder在对象计数和识别方面表现出色，特别是在复杂场景中。
除了可以从文字生成音乐外，它还支持图像、视频和音频生成音乐，并且还可以编辑已有的音乐。该项目利用了MERT等编码器进行音乐理解，ViT进行图像理解，ViViT进行视频理解，并使用MusicGen/AudioLDM2模型作为音乐生成模型（音乐解码器）。用户可以轻松移除或替换特定乐器，调整音乐的节奏和速度。这使得用户能够创造出符合其独特创意的音乐作品。