文章列表-AI魔法学院

文章列表

AI“同声传译”新进展！Google发布，无监督，语音识别：Translatotron 3！

语音识别（ASR）是指将人类的语音转换为文本的技术，然而，目前的语音识别技术还面临着一些挑战，其中最大的一个就是如何支持更多的语言。

Translatotron 语音识别

这个数字人开源项目太牛了，非常全面的项目解决方案(含源码)

今天介绍一个开源的完整的数字人项目：Fay Fay是一个完整的开源项目，包含Fay控制器及数字人模型，可灵活组合出不同的应用场景：虚拟主播、现场推销货、商品导购、语音助理、远程语音助理、数字人互动、心理测评

Fay 开源项目数字人

国外报告90%的AI类产品公司已经实现盈利，而国内大模型和AIGC的访谈说太卷了

前 10 名产品中，有一半是基于自己的模型构建的，而 4 款是微调产品，只有一款属于“包装”类别。

大模型

语音识别的未来已来：深入了解faster-whisper的突破性进展

这种实现不仅提高了语音识别的速度，还优化了内存使用效率。

语音识别 Faster-Whisper

国产AI，逃过一劫

2022年11月30日，OpenAI公布了一个通过由GPT-3.5系列大型语音模型微调而成的全新对话式AI模型ChatGPT，它不仅能进行自然的多轮对话、高效的精准问答，还能生成编程代码

ChatGPT 大模型

「语音识别的未来已来」——探索Distil-Whisper，轻量级AI的强大力量

那么，这个被誉为“语音识别的未来”的AI工具到底有何过人之处？

Distil-Whisper 语音识别

Westlake - Omni：西湖心辰推出的全球首个开源的中文情感端 - 端语音交互大模型

在语音情感理解中，注意力机制可以关注语音信号中的情感特征，如语调、语速、重音等，从而准确地判断情感类别。

Westlake -Omni 语音

国产大模型与全球最强大模型大比拼：语义理解、数学推理同台竞技，究竟谁更厉害

最近一段时间，国产模型不断涌现，让人应接不暇。

大模型

数字人：从科幻走向现实的技术革命

创建数字人需要多方面的技术支持，包括计算机图形学、动作捕捉、语音合成以及人工智能算法等。

数字人语音

神奇的 OuteTTS - 0.1 - 350M：用几秒钟音频克隆声音的黑科技！

在当今数字化时代，文本转语音（TTS）技术的应用愈发广泛，从智能语音助手到有声读物，从无障碍服务到教育娱乐领域，都离不开高质量的语音合成。

OuteTTS-0.1-350M 音频

AI大模型LLM可以帮助企业做什么？

通过语音交互、图像处理等技术，辅助企业内部运营。

大模型

17K star！30秒偷走你的声音，开源声音克隆工具

右侧会产生出新的音频。

OpenVoice 声音克隆开源

使用ChatGPT润色出高品质文章

3、矫正错别字和语法错误输入“纠正拼写和语法错误”，能够检测出文章中的拼写错误和语法错误，并提供修正方案。

写作提示词

使用ChatGPT润色出高品质文章！

3、矫正错别字和语法错误输入“纠正拼写和语法错误”，能够检测出文章中的拼写错误和语法错误，并提供修正方案。

ChatGPT 写作

【万字长文-进阶教程】一文带你从入门到精通ChatTTS, 手把手教你固定音色、设置语速、添加停顿词、口头语、笑声！！

ChatTTS是专门为对话场景设计的文本转语音模型，例如LLM助手对话任务。

chattts tts 文生语音

<1 2 3 456 7 8 9 10 ...>

汇聚AI资讯，网罗AI文档，详解AI工具！

关于我们用户协议隐私条款商务合作：skillupvip

© 2023-2025 AI魔法学院

京ICP备20027199号-1