标签：音频

叨乐 发自 凹非寺量子位 | 公众号 QbitAI字节和浙大联合研发的项目Loopy火了！ 只需一帧图像，一段音频，就能生成一段非常自然的视频！ 研究团队还放出了Loop...

机器之心发布 机器之心编辑部近期，来自字节跳动的视频生成模型 Loopy，一经发布就在 X 上引起了广泛的讨论。Loopy 可以仅仅通过一张图片和一段音频生成逼真...

机器之心报道 编辑：陈陈、蛋酱像听书一样「读」论文。‍先来听一段英文播客，内容是不是很熟悉？是的，这俩人就是在聊那篇《Attention is All You Need》。在...

北京航空航天大学 李红羽 投稿 凹非寺量子位 | 公众号 QbitAI免训练多模态分割领域有了新突破！ 中科院信工所、北航、合工大、美团等单位联合提出了一种名为A...

生成式AI时代最火AI芯片峰会下月来袭！9月6-7日，智猩猩发起主办的2024全球AI芯片峰会将在北京盛大举行。峰会设有开幕式、数据中心AI芯片专场、边缘/端侧AI芯...

夕小瑶科技说 原创作者 | 谢年年腾讯最近的多模态进展有点子“一路高歌”，先是腾讯元宝升级了一波多模态能力，就差把GPT-4o从榜一拉下来了。 最近，又搞了一个...

夕小瑶科技说 原创作者 | Richard在人工智能快速发展的今天，多模态大模型成为了研究的热点。近日，浙江大学的研究团队在这一领域取得了重大突破，发布了名为...

机器之心报道 机器之心编辑部开源领域又传来好消息。大语言模型 (LLM) 经历了重大的演变，最近，我们也目睹了多模态大语言模型 (MLLM) 的蓬勃发展，它们表现...

机器之心报道 编辑：泽南、杜伟GPT-5 大模型？不要太着急。昨晚，很多人彻夜未眠，都在等待 OpenAI 的「大新闻」。 因为在本周三，OpenAI 创始人、CEO 山姆・...

衡宇 发自 凹非寺量子位 | 公众号 QbitAIGPT-4o的怪癖暴露了，还是被官方公开的！ 你和它语音电话，它会悄悄学你说话的声音，效果堪称“克隆”，生动逼真到一毛...

夕小瑶科技说 分享作者 | 谷雨龙泽事到如今，各种AI助手满天飞，语音功能也不是什么稀罕物了。 “明天早上会不会下雨？” “导航去火车站” “帮我预订××餐厅的桌...

新智元报道编辑：LRST 好困 【新智元导读】音视频大语言模型在处理视频内容时，往往未能充分发挥语音的作用。video-SALMONN模型通过三部分创新：音视频编码和...

夕小瑶科技说 原创作者 | 海野 Claude 3.5上线后，很多人纷纷取消订阅OpenAI的ChatGPT Plus，转而去投入Claude的怀抱。 OpenAI坐不住了。再不拿点新东西出来...

文章转载自「机器之心」。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，模型...

FunAudioLLM团队 投稿量子位 | 公众号 QbitAIOpenAI迟迟不上线GPT-4o语音助手，其它音频生成大模型成果倒是一波接着一波发布，关键还是开源的。 刚刚，阿里通...