AI语音合成新标杆！开源10小时斩获8K Star！1B参数实现电影级人声!
一款名为CSM的新开源TTS模型由Sesame最新发布，能够生成带有上下文情感、自然语气和音调变化的人工智能语音。它具有高保真效果、端到端Transformer生成能力、上下文理解以及实时语音生成等功能。
10亿参数
重磅！谷歌开源Gemma-3模型：支持多模态、128K输入，27B版本在大模型匿名竞技场超过DeepSeeK V3，免费商用授权
Google开源第三代Gemma 3系列大模型，包含4个不同参数规模版本，支持多模态输入，并且表征能力非常强大。Gemma 3系列在多个评测中表现优秀，排名全球第9。
DeepSeek-VL2开源MoE 视觉语言模型家族，Gemini英语口语助手，将 PDF 文档转换为互动式思维导图
本文介绍了DeepSeek-VL2、Leffa、小红书笔记生成器、Gemini 英语口语助手和PDF Mind Map Maker等创新技术与应用。它们涵盖多模态视觉-语言模型、可控人物图像生成框架、笔记生成工具及AI英语口语辅助等多个领域，提供高效便捷的功能以提升用户在不同场景下的工作效率和体验质量。