阿里巴巴达摩院

太给力了！刚刚开源的TTS模型，1:1零样本声音克隆，连呼吸节奏都能控制！

作者

Spark-TTS 是一款全新的高质量语音合成系统，支持零样本语音克隆、细粒度语音控制、跨语言生成等功能。它结合了 BiCodec 编解码器和 Qwen-2.5 思维链技术，实现自然且高效的语音生成，适用于多种场景如有声读物、多语言内容及AI角色配音。

达摩院开源AI妆容迁移，把妆容一键换到指定人物脸上，AI在美妆行业新落地场景。

作者

达摩院开源的AI妆容迁移项目基于潜在扩散模型，采用‘解耦-重构’范式和自监督学习策略。通过拉普拉斯金字塔分解纹理细节及迭代双重对齐模块，提升图像真实性、内容保留与妆容保真度，为化妆迁移任务提供全新解决方案。

请注意：o1不是用来聊天的！

作者

o1系统因其独特的技术特点，被一些用户视为高级报告生成器而非聊天工具。为了充分利用o1的能力，用户需要转变思维方式，并通过明确目标、指定格式、提供背景信息等方法与之互动。尽管存在风格固化和应用开发方面的局限性，但o1在代码生成、查询语言处理以及医疗诊断等方面展现出惊人的能力。此外，它还可能成为未来数据分析任务和其他复杂系统设计的新工具。