标签：音频
成立半年就敢踢馆 OpenAI ，首个开源模型不输 GPT-4o，LeCun 、PyTorch 之父齐声叫好！
整理 | 华卫 想象一下，一个 AI 模型可以表达 70 多种情绪，以不同的风格说话，甚至令人信服地模仿口音。并且，它能够同时处理两个音频流，同时听和说。这不...
8人小团队单挑OpenAI，半年仿出GPT-4o，还开源了
机器之心报道 机器之心编辑部最近，一个对标 GPT-4o 的开源实时语音多模态模型火了。 这个开源模型来自法国一个仅有 8 人的非营利性 AI 研究机构 ——Kyutai，...
8人半年肝出开源版GPT-4o，0延迟演示全网沸腾！背后技术揭秘，人人免费用
新智元报道编辑：桃子 乔杨 【新智元导读】GPT-4o或许还得等到今年秋季才对外开放。不过，由法国8人团队打造的原生多模态Moshi，已经实现了接近GPT-4o的水平...
谷歌真·AI配音神器来了！自动看懂画面、对齐音频，能为任何视频生成无数音频
谷歌DeepMind发布最新AI视频自动配音工具，AI视频正式开启有声时代！ 编译|陈骏达 编辑|程茜 智东西6月18日消息，今日凌晨，谷歌DeepMind发布了一个名为V2A（...
文生视频又开始卷了！Runway、Luma、DeepMind 都有重磅更新
引领了 2024 年文生视频热潮的 Sora，至今没有正式对外开放使用，而其他的文生视频产品，在这半年内开始了疯狂进化。 上周，Luma AI 发布的 Dream Machine 让...
Google DeepMind 最新研究：为AI视频生成创建逼真的背景声音
来源：学术头条 自 Sora 发布以来，国内外各大科技公司和研究机构都在竞相推出“文生视频”大模型，比如生数科技的 Vidu、快手的可灵和 Runway 昨天才发布的 Ge...
杀疯了！谷歌卷视频到语音，逼真音效让AI视频告别无声！
机器之心报道 编辑：杨文AI圈这遍地开花的大好局面，让吃瓜群众们甚是惊喜。 这几天，大洋彼岸杀疯了！ Luma 的热乎劲儿还没过去，昨晚 Runway 就甩出一个王...
霉霉开口唱碧昂丝的歌，又是AI！口型不出戏，五官姿态也自然，复旦百度等出品｜GitHub揽星1k+
西风 发自 凹非寺量子位 | 公众号 QbitAI一张人像、一段音频参考，就能让霉霉在你面前唱碧昂丝的《Halo》。 一种名为Hallo的研究火了，GitHub已揽星1k+。 话...
37项SOTA！全模态预训练范式MiCo：理解任何模态并学习通用表示｜港中文&中科院
MiCo团队 投稿量子位 | 公众号 QbitAIGPT-4o掀起一股全模态（Omni-modal）热潮，去年的热词多模态仿佛已经不够看了。 要构建全模态智能，意味着能够理解任何...
GPT-4o仅排第二！北大港大等6所高校联手，发布权威多模态大模型榜单！
夕小瑶科技说 原创作者 | 谢年年多模态大模型视频分析能力榜单出炉： Gemini 1.5 Pro最强，GPT-4o仅排第二？ 曾经红极一时的GPT-4V屈居第三。 最近，北大港大...
Stability AI开源47秒音频生成模型，虫鸣鸟叫、摇滚、鼓点都能生成
机器之心报道 编辑：蛋酱、小舟音频生成领域又有好消息：刚刚，Stability AI 宣布推出开放模型 Stable Audio Open，该模型能够生成高质量的音频数据。项目地...
免费GPT-4o来袭，音频视觉文本实现「大一统」
OpenAI「魔法」降临。作者 | 赖文昕 今天凌晨，即北京时间5月14日1点整，OpenAI 召开了首场春季发布会，CTO Mira Murati 在台上和团队用短短不到30分钟的时间...
OpenAI颠覆世界：GPT-4o完全免费，实时语音视频交互震撼全场，直接进入科幻时代
机器之心报道 机器之心编辑部ChatGPT 问世才 17 个月，OpenAI 就拿出了科幻电影里的超级 AI，而且完全免费，人人可用。太震撼了！ 当各家科技公司还在追赶大...
DeepMusic刘晓光：深度解读AIGC音乐创作技术原理，明年实现一键生成自唱歌曲丨GenAICon 2024
深度解读AIGC音乐创作技术原理，明年实现30秒人声生成自唱歌曲。 2024中国生成式AI大会于4月18-19日在北京举行，在大会第二天的主会场AIGC应用专场上，DeepMu...
一张照片+音频=超逼真数字人视频！VASA-1模型拉开「实时交互」大幕
新智元报道编辑：LRS 【新智元导读】仅需一张照片加一段音频，即可生成具有精确唇音同步、逼真面部行为和自然头部运动的超逼真说话面部视频，并且生成速度快...
粤公网安备 44011502001135号