Github揽获1.6K星！南大、腾讯发布VITA-1.5: 迈向GPT-4o级实时视频-语音交互
近年来，多模态大语言模型（MLLMs）主要聚焦在视觉和文本模态的融合上，对语音的关注较少。然而，语音
中文
阿里开源的声音克隆TTS重磅升级，CosyVoice2支持流式输出，更加流畅自然，用户。
阿里的CosyVoice2迎来重大升级，通过流式合成输出大幅降低语音识别和合成的延迟，提升软件、硬件交互体验。该模型支持多种语言及情感控制功能，已在多个开源项目中得到应用。