Higgs Audio V2 是李沐及其团队 Boson AI 开发的开源语音大模型。基于超过1000万小时的音频数据训练而成，具备多语言对话生成、自动韵律调整、和歌声合成等功能。模型能模拟自然流畅的多人对话，自动匹配说话者的情绪和语调，支持低延迟的实时语音交互。支持零样本语音克隆，用户只需提供简短语音样本，即可复制特定人物的声音特征，可以合成歌声。Higgs Audio V2 能同时生成语音和背景音乐，为音频内容创作提供强大支持。
（图片来源网络，侵删）
（图片来源网络，侵删）
上一篇
Higgs Audio V2 – 开源语音大模型，能模拟多人互动场景
猜你喜欢
-
发布了文章 56秒前
ImagePulse – 魔搭社区开源的图像理解和生成模型数据集
ImagePulse （图律脉动）是魔搭社区推出的开源项目，为下一代图像理解和生成模型提供数据集支持，通过原子化模型的能力并构建原子能力数据集。项目包含多个原子能力数据集，例如“修改、添加、移除”“放大、缩小”“风格迁移”和...
-
发布了文章 56秒前
ImageBind – Meta推出开源多模态AI模型，实现六种多模态数据整合
ImageBind是Meta公司推出的开源多模态AI模型，将文本、音频、视觉、温度和运动数据等六种不同类型的信息整合到一个统一的嵌入空间中。模型通过图像模态作为桥梁，实现其他模态数据的隐式对齐，无需直接的模态间配对数据。...
-
发布了文章 5分钟前
Image-baidu0901 – MiniMax 推出的文本到图像生成模型
Image-01 是 MiniMax 推出的先进文本到图像生成模型，具备卓越的图像生成能力。能将用户输入的文本描述精准转化为高质量图像，支持多种纵横比和高分辨率输出，适合从社交媒体到专业商业项目的广泛应用。...
-
发布了文章 9分钟前
ImBD – 复旦联合华南理工等机构推出的通用 AI 内容检测器
ImBD（Imitate Before Detect）是复旦大学、华南理工大学、武汉大学、Fenzi AI等推出的用在检测机器修订文本的方法。首先模仿大型语言模型（LLMs）生成文本的风格，基于风格偏好优化（SPO）调整评分...
-
发布了文章 13分钟前
Illustrious – 开源文本到图像生成模型，专注于生成高质量动漫风格图像
Illustrious是开源的文本到图像动漫图像生成模型，是Onoma AI Research推出的。基于优化批量大小、dropout控制、训练图像分辨率和多级标题等关键方法，实现高分辨率、动态色域和高还原能力的图像生成。模...
-
发布了文章 17分钟前
Illuminate – 谷歌推出将学术论文转化为音频讨论的AI项目
Illuminate 是一个由谷歌开发的项目，能将学术论文转化为人工智能生成的音频讨论。项目基于谷歌强大的语言模型 Gemini，将论文内容转换成引人入胜的对话，使用户能在运动、开车等碎片时间里轻松学习。...
-
发布了文章 21分钟前
Ideogram 3.0 – Ideogram推出的 AI 图像生成模型
Ideogram 3.0 是Ideogram推出的 AI 图像生成模型。Ideogram 3.0在图像生成质量上实现飞跃，具备高度的真实感、出色的文本渲染和强大的语言理解能力，支持生成复杂场景和精细的光影色彩效果。用户基于上...
-
发布了文章 21分钟前
Ichigo – 开源的多模态AI语音助手，实时处理语音和文本的交织序列
Ichigo是开源的多模态AI语音助手，采用混合模态模型，能实时处理语音和文本的交织序列。基于将语音直接量化为离散令牌，用统一的变换器架构同时处理语音和文本，实现跨模态的联合推理和生成。...
全部评论
留言在赶来的路上...
发表评论