首页 > 业界 > 关键词  > Seed-TTS最新资讯  > 正文

AI日报:字节推王炸级语音生成模型Seed-TTS;Suno新功能被Udio抢跑;腾讯发布开源混元DiT加速库;即梦全量上线实时画布功能

2024-06-06 14:48 · 稿源:站长之家

欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南,每天我们为你呈现AI领域的热点内容,聚焦开发者,助你洞悉技术趋势、了解创新AI产品应用。

新鲜AI产品点击了解https://top.aibase.com/

1、字节推语音生成模型Seed-TTS 擅长感情控制,声音与真人无异

这篇文章介绍了字节跳动团队提出的新型语音生成模型Seed-TTS,该模型基于自回归Transformer架构,具有极高的语音质量和表现力,难以区分与人类语音的差异。它在情感控制、小说配音和跨语言内容创作等方面表现出色,通过自我蒸馏和强化学习技术提升了发音的自然性和可控性。Seed-TTS在语音合成领域带来了显著进展,为未来的语音合成技术开辟了新的可能性。

【AiBase提要:】

🎯 字节跳动团队推出新型语音生成模型Seed-TTS,能生成自然且表现力丰富的语音。

🎯 情绪控制方面表现出色,能够调整生成语音的情感属性,以及语调和说话风格

🎯 能够模拟复杂的情感和语境,特别适合用于小说朗读、视频配音等场景。

产品地址:https://top.aibase.com/tool/seed-tts

2、Stability AI发布AI音频模型Stable Audio Open

Stable Audio Open是Stability AI推出的开源文本转音频模型,可生成长达47秒的音频样本和音效,适用于音乐制作和声音设计。用户可以创建鼓点、乐器乐段、环境声音等音频元素,支持音频变化和风格转换。模型提供了稳定的音频生成质量和长度,用户可根据自定义音频数据微调模型,提高生成音频的质量和可控性。

image.png

【AiBase提要:】

🔊 Stable Audio Open是开源的文本转音频模型,生成长达47秒的音频样本和音效

🎶 模型支持创建鼓点、乐器乐段、环境声音等音频元素

🔧 用户可根据自定义音频数据微调模型,提高生成音频的质量和可控性

详情链接:https://top.aibase.com/tool/stable-audio-open-1-0

3、Suno新功能被Udio抢跑 上传任意音频Udio自动帮延长创作

这篇文章介绍了Suno原本计划推出的新功能被竞争对手Udio抢先发布的情况。Udio推出了一系列更新,帮助用户上传音频片段并自动解析旋律和和弦,创作出美妙的音乐,并提供了多项便利功能。

【AiBase提要】

🎵 Udio发布了一系列更新,用户只需上传任意音频片段,Udio就会帮你解析旋律和和弦,分分钟给你创作出一首美妙的音乐。

🎵 提供了丰富的提示词汇和灵感来源,帮助用户扩展音乐想法和寻求创作灵感。

🎵 注意,目前该功能仅对付费用户开放

产品入口:https://top.aibase.com/tool/udio

详情点此查看:https://mp.weixin.qq.com/s/QO_ucbMUD-6UJ1gs_j340A

4、Adobe更新隐私条款 意味着有权将用户作品用于训练AI

Adobe最近更新了隐私条款,引发用户关注和担忧。用户担心设计作品失去隐私,可能被用于训练人工智能或内容审查,可能导致设计师与客户信任破裂,影响职业发展。引发个人隐私权和知识产权保护讨论。

image.png

【AiBase提要:】

🔍 Adobe要求用户同意新使用条款,包括访问用户创作内容的权利。

🔍 设计师和艺术家作品可能失去隐私,用于训练人工智能或内容审查。

🔍 更新后的Adobe隐私条款引发用户对设计工作隐私的担忧。

详情:https://www.chinaz.com/2024/0606/1621769.shtml

5、腾讯混元发布开源文生图大模型混元DiT加速库

腾讯混元发布了针对开源文生图大模型混元 DiT 的加速库,可将推理时间缩短75%,生图时间大幅缩短。用户可通过三行代码调用模型,无需下载原始代码。腾讯混元表示将继续优化混元 DiT 的开源生态,共建视觉生成开源生态,推动大模型行业发展。

【AiBase提要:】

🚀 加速推理时间缩短75%

💻 三行代码调用模型,无需下载原始代码

🌱 共建视觉生成开源生态,推动大模型行业发展

详情链接:https://dit.hunyuan.tencent.com/

6、MiGPT项目:将小爱音箱接入ChatGPT和豆包

MiGPT项目将小爱音箱、米家智能设备与ChatGPT技术相结合,创造智能贴心的家庭助手,实现家庭自动化并建立情感联系。项目主要亮点包括LLM回答、角色扮演、流式响应、长短期记忆、自定义TTS和智能家居Agent。项目提供两种启动方式以适应不同用户需求,配置参数需用户自定义以确保连接正常。

image.png

【AiBase提要:】

🤖 小爱音箱利用ChatGPT等大型语言模型回答问题,提供信息和帮助。

👩‍💼 小爱音箱能根据场景和用户需求快速切换角色,如完美伴侣或贴心闺蜜。

🔊 系统即时响应用户指令,提供流畅交互体验,记忆对话历史使对话更自然默契。

详情链接:https://top.aibase.com/tool/migpt

7、猿辅导旗下 AI 设计工具 Motiff 妙多全球发布

Motiff 妙多是一款定位为 AI 时代设计工具的界面设计软件,通过 AI 技术优化设计流程,提高生产效率,为用户带来前所未有的设计体验。该软件带来多项创新,包括 AI 复制、AI 布局、AI 设计系统创建、AI 设计系统维护、AI 一致性检查等多个 AI 功能,是国内首个自研图形渲染引擎的界面设计软件。

image.png

【AiBase提要:】

🚀 Motiff 妙多通过 AI 技术优化设计流程,提高生产效率,为用户带来前所未有的设计体验。

🎨 软件带来多项创新,包括 AI 复制、AI 布局、AI 设计系统创建、AI 设计系统维护、AI 一致性检查等多个 AI 功能。

💡 Motiff 妙多展示了 AI 工具箱、AI 设计系统和 AI 实验室,有效提升了界面设计行业的生产力。

详情链接:https://top.aibase.com/tool/motiff-miaoduo

8、即梦全量上线实时画布功能

即梦宣布全量上线实时画布功能,用户可以通过简单涂抹形状并添加提示词定制图像,让AI画图更可控。保存为新图层后可继续优化,定稿后保存为图片。

image.png

【AiBase提要:】

🎨 实时画布功能让用户简单涂抹形状并添加提示词定制图像,提高用户体验。

🖌️ 通过大致画出形状,用户可以获得定制化的图像,满足用户需求。

💡 保存为新图层后可继续调整优化,提升图像质量。

详情链接:https://top.aibase.com/tool/jimengdreamina

9、谷歌AI概览功能触发频率大幅下降

谷歌的人工智能概述现在只在不到15%的查询结果中显示,与过去84%的情况相比发生了显著变化。人工智能在搜索结果中的呈现方式经历了调整,以提高搜索质量。文章指出人工智能在搜索中的作用不断演进,虽然概述功能减少,但人工智能在搜索中的应用是不可避免的变化。

image.png

【AiBase提要:】

⭐ 谷歌AI概览在查询结果中的触发频率从84%下降至不到15%

⭐ 谷歌减少了人工智能引文与传统搜索结果的重叠,提升搜索质量

⭐ 人工智能在搜索中预测并展示后续问题,搜索者进行多次查询

10、研究人员开发出能识别运动员情绪的人工智能

研究人员利用计算机辅助神经网络成功从网球运动员的肢体语言中准确识别出情绪状态,展示了人工智能在情绪识别方面的潜力。然而,这项研究也引发了伦理问题,需要明确相关法律和道德问题。

【AiBase提要:】

🔍 人工智能可以准确识别网球运动员的情绪状态,展示了与人类观察者相媲美的能力。

🔍 使用实际比赛数据训练人工智能模型,提高了情绪识别的准确率。

🔍 情绪识别技术可在多领域应用,包括训练改进、团队动力提升和早期负面情绪检测。

11、Ouroboros3D:通过3D感知实现图像到3D的生成

Ouroboros3D是一个集成了多视角图像生成和3D重建的统一3D生成框架。通过递归扩散过程,实现了从图像到3D的生成。研究人员提出的这种新方法具有多个优点,包括生成更多样化和真实的视角图像,减少噪声和失真,提高生成效率。实验证明Ouroboros3D生成的3D模型具有更好的细节和准确性,接近真实的3D场景。

image.png

【AiBase提要:】

🔍 Ouroboros3D集成了多视角图像生成和3D重建,通过递归扩散实现图像到3D生成。

🔍 Ouroboros3D采用基于扩散的多视角图像生成和3D重建方法,构建统一的3D生成框架。

🔍 Ouroboros3D具有优点:生成更多样化和真实的视角图像,减少噪声和失真,提高生成效率。

详情链接:https://top.aibase.com/tool/ouroboros3d

12、Mobile-Agent-v2:让AI学会自动刷手机

Mobile-Agent-v2是一个先进的AI系统,通过多代理协作架构实现对移动设备的全面控制,提高任务完成率30%以上。该系统能够自动化完成搜索购买商品、邮件发送、导航设置和视频观看等任务,为用户带来更多便利。

image.png

【AiBase提要:】

🤖 多代理协作架构提高任务完成率30%以上

🔍 AI自动化搜索购买商品、邮件发送、导航设置和视频观看

🚀 创新的多代理协作架构提升任务处理灵活性和效率

详情链接:https://arxiv.org/pdf/2406.01014

13、美国监管机构将对微软、OpenAI和英伟达展开反垄断调查

这篇文章报道了美国司法部和联邦贸易委员会达成协议,将针对微软、OpenAI和英伟达展开反垄断调查。监管机构对人工智能产业的关注度显著提高,反映出AI行业的重要性和影响力。

【AiBase提要:】

🔍 美国司法部和FTC将分别调查英伟达、OpenAI和微软的行为

💰 微软投资OpenAI子公司获得股权,FTC调查微软收购Inflection AI

🔒 监管机构关注AI行业结构和趋势,强调AI技术对公司带来的优势

举报

  • 相关推荐
  • 大家在看
  • 免费AI在线变声器:创新AI技术,轻松改变声音。

    免费AI在线变声器是一种利用人工智能技术,允许用户上传语音或输入文本,并将其转换成不同声音的工具。它与传统变声器不同,提供更逼真和准确的效果,支持性别声音转换,适用于角色扮演、游戏、内容创作等多种场景。

  • color4bg.js:动态生成炫酷多彩的网页背景

    color4bg.js 是一个使用 WebGL 和 JavaScript 生成动态、抽象且视觉震撼的背景图像的 JavaScript 库。它允许用户自定义多达六种颜色,以生成背景图案,支持动态动画效果,并可通过种子值确保每次生成相同的图案,便于集成到网页设计中。

  • MemFree:智能搜索工具,快速获取互联网及本地数据

    MemFree是一个创新的搜索工具,它允许用户快速从互联网、书签、笔记和文档中获取准确的答案。它通过先进的算法索引和搜索技术,帮助用户节省时间,提高工作效率。

  • Inrō:Instagram自动化营销助手

    Inrō是一个AI驱动的营销自动化工具,专为Instagram设计,帮助企业通过直接消息(DM)提升用户参与度和转化率。它通过分析用户互动历史和上下文,自动组织受众并个性化消息内容。Inrō还提供了与现有信息系统的集成,以及自动化的潜在客户获取和跟踪功能。产品背景信息包括其母公司EDGAR SAS是Meta批准的供应商,符合Instagram的社区准则、隐私政策和服务条款,并且提供数据安全和加密传输。

  • Gan.AI Video Recorder:录制无限个性化视频,提高会议效率和交易成功率。

    Gan.AI Video Recorder 是一款在线视频录制工具,它允许用户快速录制屏幕和摄像头,并通过个性化功能来增强视频的吸引力和效果。产品的主要优点包括无限视频录制、个性化字幕和缩略图、动态网站背景滚动以及定制化登录页面等。这些功能使得Gan.AI Video Recorder 成为提高工作效率和交易成功率的有效工具。

  • Superjoin:自动将实时数据导入Google Sheets的AI工具。

    Superjoin是一个集成了AI技术的插件,允许用户无需编写任何代码即可将实时数据从他们喜爱的工具中导入到Google Sheets。它为RevOps团队提供了无需编码和开发人员即可操作的解决方案,支持一键连接无限数据源,自动刷新数据,并支持双向同步。

  • Prime Intellect:AI开发规模化的民主化平台

    Prime Intellect是一个致力于AI开发规模化民主化的平台,提供全球计算资源的发现、模型训练以及共同拥有智能创新的能力。它通过分布式训练跨集群,使得用户能够训练最前沿的模型,并且共同拥有由此产生的开放AI创新成果,包括语言模型和科学突破。

  • Zed:高性能、多人协作代码编辑器

    Zed是由Atom和Tree-sitter的创造者开发的高性能、多人协作代码编辑器,开源且集成了AI代码生成功能。它利用多核心CPU和GPU,实现即时启动、快速文件加载和响应键盘输入。Zed支持GitHub Copilot,并通过内置助手面板与模型进行对话式交互,以生成或重构代码。

  • AuraFlow:开源的基于流的文本到图像生成模型

    AuraFlow v0.1是一个完全开源的、基于流的文本到图像生成模型,它在GenEval上达到了最先进的结果。目前模型处于beta阶段,正在不断改进中,社区反馈至关重要。感谢两位工程师@cloneofsimo和@isidentical将此项目变为现实,以及为该项目奠定基础的研究人员。

  • 墨狐AI:短篇小说写作助手

    墨狐AI是一个专为短篇小说创作者设计的在线写作助手,它通过提供创意大纲、续写故事、生成剧情树和剧本创作等功能,帮助作者激发灵感,提高写作效率。产品背景信息显示,墨狐AI旨在解决创作者在创作过程中遇到的难题,如灵感枯竭或故事发展困难。目前,墨狐AI的定位是辅助工具,详情可访问官网查看更多介绍。

  • LLaVA-NeXT:大型多模态模型,处理多图像、视频和3D数据。

    LLaVA-NeXT是一个大型多模态模型,它通过统一的交错数据格式处理多图像、视频、3D和单图像数据,展示了在不同视觉数据模态上的联合训练能力。该模型在多图像基准测试中取得了领先的结果,并在不同场景中通过适当的数据混合提高了之前单独任务的性能或保持了性能。

  • 老鱼简历:在线制作简历,简单高效。

    老鱼简历是一个在线简历制作平台,提供多种简历模板,支持AI生成简历,帮助用户快速制作出专业且个性化的简历。用户可以根据自己的需求选择不同的模板,并通过简单的在线编辑完成简历的制作,支持下载为PDF或PNG格式,满足不同场景的求职需求。

  • Enchanted:与私有自托管语言模型对话的iOS/macOS应用

    Enchanted是一个开源的、兼容Ollama的macOS/iOS/visionOS应用,它允许用户与私有自托管的语言模型如Llama 2、Mistral、Vicuna等进行对话。它基本上是一个连接到私有模型的ChatGPT应用界面。Enchanted的目标是提供一个产品,允许在iOS生态系统(macOS、iOS、Watch、Vision Pro)的所有设备上提供无过滤、安全、私密和多模态的体验。

  • Logo Galleria:在线AI Logo制作,快速生成个性化标志。

    Logo Galleria是一个在线AI Logo制作平台,利用人工智能技术帮助用户快速生成个性化的标志设计。它通过用户输入的行业、风格等参数,提供定制化的标志设计方案,满足不同用户的设计需求。该平台的主要优点是操作简便、设计效率高,可广泛应用于品牌建设、产品包装等场景。

  • Afforai.com:AI驱动的参考文献管理助手

    Afforai是一个AI驱动的参考文献管理助手,旨在帮助研究人员管理、注释、引用论文,并以AI的可靠性进行文献综述。它提供了一个全新的研究材料存储方式,使用户能够专注于真正重要的事情。Afforai支持多种文档格式,包括DOI、URL、PDF等,并具有多种搜索模式,可以连接数百篇论文进行总结、比较和翻译。此外,Afforai还提供数据引用,使用户能够方便地核实信息来源,确保研究的可靠性。

  • Rodel Agent:集成聊天、文本转图像、文本转语音和机器翻译的桌面应用

    Rodel Agent 是一款集成了聊天、文本到图像、文本到语音以及机器翻译功能的Windows桌面应用程序。它支持当前主流的AI服务,为用户提供了卓越的桌面AI体验。该产品的主要优点包括强大的集成功能、用户友好的界面以及对主流AI服务的支持,能够显著提高用户的工作效率和创造力。

  • DictionaryByGPT4:一本由GPT4生成的英语单词书,覆盖8000+单词

    DictionaryByGPT4是一个由GPT4模型生成的英语单词学习工具,它通过分析超过8000个单词,为每个单词提供词义、例句、词根词缀、变形、文化背景、记忆技巧和小故事等全方位信息,帮助用户深入理解单词的来源、使用场景以及记忆方法。该产品特别适合需要提升英语词汇量和理解力的学习者。

  • gpt-frontend-code-gen:前端页面生成神器,提升开发效率

    gpt-frontend-code-gen 是一个基于 React 和 Vite 构建的前端项目,结合 Koa 后端服务,实现前端页面生成并预览的功能。它使用 GPT-4 模型,支持 Chakra UI 和 ShadcnUI 组件生成,允许开发者通过对话形式持续迭代和修改页面,直到达到满意的效果。

  • OpenDiLoCo:开源实现分布式低通信AI模型训练

    OpenDiLoCo是一个开源框架,用于实现和扩展DeepMind的分布式低通信(DiLoCo)方法,支持全球分布式AI模型训练。它通过提供可扩展的、去中心化的框架,使得在资源分散的地区也能高效地进行AI模型的训练,这对于推动AI技术的普及和创新具有重要意义。

  • SmartCrawl:将任何网站转化为AI驱动的API。

    SmartCrawl是一个创新的在线工具,它允许用户将任何网站转化为API,通过AI技术实现数据的自动化抓取和处理。这项技术对于需要从网站获取数据的开发者和企业来说非常重要,因为它简化了数据集成的过程,提高了效率。产品目前处于Beta测试阶段,用户可以通过加入等待名单来获取试用机会。

今日大家都在搜的词:

热文

  • 3 天
  • 7天