-
AI日报：OpenAI官方账号被黑;腾讯推“养老”机器人小五；中科大推人像视频编辑神器PortraitGen
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、OpenAI 官方账号被黑，竟...
-
rk3588使用npu加速运行whisper语音识别模型
rk3588运行whisper模型有三种方法：1.使用纯cpu运行原始pytorch模型；2.将whisper模型转成onnx格式，再转成rknn格式使用npu运行；3.利用npu提供的矩阵运算功能，结合cpu一起运行原始pytorch模型。方法1做不到实...
-
国内首个！端到端语音大模型心辰Lingo在外滩大会正式发布上线
9月5日，在外滩大会“大模型的创造力边界与应用想象力”论坛上，大模型创业企业西湖心辰正式发布并上线国内首个端到端语音大模型“心辰Lingo”。 “心辰Lingo”实现了端到端语音技术，在处理对话时直接理解语音，捕捉语气、节奏和情绪，并进行语音回复，减少了信...
-
基于大模型的原神对话系统尝试
一.简介 该项目为一次大模型+游戏的尝试，成功实现了一个与原神内角色的对话系统。 演示视频：https://www.bilibili.com/video/BV1b48CeuELL github地址：https://github.com/goodlu...
-
摩尔线程开源音频理解大模型MooER：38小时训练5000小时数据
快科技8月23日消息，摩尔线程官方宣布，音频理解大模型MooER”（摩耳）已经正式开源，并公布在GitHub上：https://github.com/MooreThreads/MooER 目前开源的内容包括推理代码，以及5000小时数据训练的模型，后续还将...
-
阿里开源新语音模型，比OpenAI的Whisper更好！
阿里巴巴在Qwen-Audio基础之上，开源了最新语音模型Qwen2-Audio。 Qwen2-Audio一共有基础和指令微调两个版本，支持使用语音向音频模型进行提问并识别内容以及语音分析。 例如，让一位女生说一段话，然后识别她的年纪或解读她的心情;发布一...
-
GPT-4o模仿人类声音，诡异尖叫引OpenAI研究员恐慌！32页技术报告出炉
【新智元导读】五颗草莓到底指什么?盼了一天一夜，OpenAI只发来一份32页安全报告。报告揭露:在少数情况下，GPT-4o会模仿你的声音说话，或者忽然大叫起来……事情变得有趣了。 昨天奥特曼率众人搞了一波「草莓暗示」的大阵仗，全网都在翘首以盼OpenAI的...
-
比OpenAI的Whisper快50%，最新开源语音模型
生成式AI初创公司aiOla在官网开源了最新语音模型Whisper-Medusa，推理效率比OpenAI开源的Whisper快50%。 aiOla在Whisper的架构之上进行了修改采用了“多头注意力”机制的并行计算方法，允许模型在每个推理步骤中预测多个t...
-
8人半年肝出开源版GPT-4o，0延迟演示全网沸腾！背后技术揭秘，人人免费用
【新智元导读】GPT-4o或许还得等到今年秋季才对外开放。不过，由法国8人团队打造的原生多模态Moshi，已经实现了接近GPT-4o的水平，现场演示几乎0延迟，AI大佬纷纷转发。 没想到，「开源版」GPT-4o这么快就来了! 昨夜，来自法国AI实验室kyu...
-
新一代无人直播新方案--AI智播系统（AI自动润色，24小时话术不重复）
随着直播行业的蓬勃发展，市场对AI替代人工进行直播的需求日益增加。然而，传统的无人直播往往依赖于预设话术，缺乏灵活性和真实感。那么，是否存在一种AI系统，能够基于设定实现全程自动化的直播呢? 今天，带给大家介绍的正是这样一款革命性的AI智播系统。它凭借先进...
-
Cartesia发布低延迟语音生成模型Sonic 要复刻ChatGPT实时语音聊天？
Cartesia 发布了一个名为 Sonic 的低延迟语音生成模型，该模型以其快速的推理速度和超低的延迟引起了广泛关注。Sonic 的延迟仅为135毫秒，能够生成具有逼真情感和表达能力的语音。用户只需提供10秒的录音，Sonic 即可模仿说话者的韵律、语调...
-
FastGPT 调用本地Whisper模型进行语音转文字
目录 一、部署Whisper模型。 二、oneapi配置 三、修改镜像中的webservice.py文件，开放跨域请求。 四、修改FastGPT代码修改 FastGPT地址:https://github.com/labring/FastGP...
-
使用Python探究OpenAI API
想了解更多AIGC的内容，请访问： 51CTO AI.x社区 https://www.51cto.com/aigc/ 不妨了解可以从OpenAI享用的所有实用服务。 谁没听说过OpenAI?这家人工智能研究实验室因其著名的产品ChatGPT而改变了世界...
-
OpenAI模型终于更新！强大视听能力的GPT-4o将面向所有用户，其前身正是神秘的gpt2！
编辑 | 伊风 出品 | 51CTO技术栈（微信号：blog51cto） 春季终于如约而至！GPT系列的模型终于等到了久违的更新——GPT-4o浮出水面。 而且此前颇具神秘气息的“im-also-a-good-gpt2-chatbot”，正是其测试版...
-
GPT-4o深夜炸场！AI实时视频通话丝滑如人类，Plus功能免费可用，奥特曼：《她》来了
不开玩笑，电影《她》真的来了。 OpenAI最新旗舰大模型GPT-4o，不仅免费可用，能力更是横跨听、看、说，丝滑流畅毫无延迟，就像在打一个视频电话。 现场直播的效果更是炸裂： 它能感受到你的呼吸节奏，也能用比以前更丰富的语气实时回复，甚至可以做到随时打...
-
一键转换动漫音！8款好用的AI变声软件
随着人工智能技术的飞速发展，AI变声软件已经成为现实，它们不仅为娱乐领域带来了革新，也为专业领域提供了前所未有的便利。从直播互动到角色扮演游戏，再到专业配音和音频制作，AI变声技术的应用场景日益广泛。 下面我将介绍几款领先的AI变声软件，它们以其独特的功能...
-
AIGC行业趋势：Sora横空出世，向多模态应用加速迈进
文/浦银国际证券 近期，OpenAI的Sora的横空出世再一次引发市场对AIGC的关注，文生视频领域取得重大突破，效果远超预期。我们将围绕Sora的核心优势、技术特点、行业影响、未来趋势等方面进行阐述。 相较于此前的文生视频模型，Sora取得哪些突...
-
今日AI：Suno《宫保鸡丁》杀入全球AI音乐榜前十；AI太烧钱？ Stability AI CEO辞职；Domo AI上线照片转视频功能；Viggle让静态图片跳舞
欢迎来到【今日AI】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/ ???AI应用 Domo AI上...
-
VSP-LLM官网体验入口 视觉语音处理AI模型免费使用下载地址
VSP-LLM是一个结合视觉语音处理与大型语言模型的框架，旨在通过LLMs的强大能力最大化上下文建模能力。VSP-LLM设计用于执行视觉语音识别和翻译的多任务，通过自监督视觉语音模型将输入视频映射到LLM的输入潜在空间。该框架通过提出一种新颖的去重方法和低...
-
在OpenAI引领的多模态时代，专注语音的ElevenLabs如何生存？
2024年2月，OpenAI的视觉大模型Sora横空出世，这是一个历史性的里程碑，视觉生成领域将有一次大的技术和商业革命。 在Sora发布几天后，AI语音创业公司ElevenLabs为Sora的演示视频完成了精准匹配的配音，AI视频“以假乱真”的制作链条实...
-
Whisper——部署fast-whisper中文语音识别模型
whisper：https://github.com/openai/whisper/tree/main 参考文章：Whisper OpenAI开源语音识别模型 环境配置 pip install faster-whisper transformer...
-
AI视野：OpenAI推新模型GPT-4-0125-preview；阿里Qwen-VL升级更新；苹果播客新增转录功能；AI写真项目InstantID在GitHub爆火
欢迎来到【AI视野】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/ ???AI应用 OpenAI不服...
-
2023胡润世界500强出炉：OpenAI首次上榜
快科技1月31日消息，胡润研究院今日发布《2023胡润世界500强》（2023 Hurun Global 500），列出了世界500强非国有企业，按照企业市值或估值进行排名。 据了解，进入胡润世界500强的门槛比去年提高7%，即145亿元，至2170亿元人...
-
如何使用AIGC进行语音识别和合成
1.背景介绍 语音识别和合成是人工智能领域的重要技术，它们有助于实现自然语言与计算机之间的有效沟通。在这篇文章中，我们将探讨如何使用人工智能生成模型(AIGC 进行语音识别和合成。 1. 背景介绍 语音识别是将声音转换为文本的过程，而语音...
-
人工智能走出科幻片，AI音乐立法走到哪一步了？
“2023年是人工智能技术走出科幻小说领域的一年。” 面对去年人工智能技术的突飞猛进，Billboard如此评价。 科技的发展，也在倒逼制度的完善，岁末年初，人工智能领域迎来一波“立法潮”。近一个月，欧美相继提出人工智能监管类法案，其中多项条文与音乐行业息...
-
1分钟复刻明星语音，这家AI创企开年跻身独角兽
2024年第一个月，又一AI初创公司跻身独角兽: 专注于AI语音合成的ElevenLabs，刚刚完成8000万美元（约合人民币5.7亿元）B轮融资，估值超过10亿美元。 在语音克隆领域，ElevenLabs（11Labs）是公认的最强工具之一。 因霉霉说中...
-
Whisper Speech官网体验入口 开源AI语音合成工具免费使用地址
Whisper Speech是一款完全开源的文本转语音模型，由Collabora和Lion在Juwels超级计算机上训练。它支持多种语言和多种形式的输入，包括Node.js、Python、Elixir、HTTP、Cog和Docker。该模型的优势在于高效的...
-
请查收使用OpenAI的Whisper进行语音识别的攻略
Whisper是一种令人激动的新型语言模型，采用了全新的语音识别方法，即使是低质量的音频，Whisper也能产生高质量的结果，并且对各种声音和语言的适应性极强，无需进行微调。 Whisper是开源的，有一系列可用的模型尺寸，可以作为众多语音转文字应用的有...
-
OpenAI Whisper论文笔记
OpenAI Whisper论文笔记 OpenAI 收集了 68 万小时的有标签的语音数据，通过多任务、多语言的方式训练了一个 seq2seq （语音到文本）的 Transformer 模型，自动语音识别（ASR）能力达到商用水准。本文为李沐老师论文精...
-
【计算机视觉 | 目标检测】术语理解9：AIGC的理解，对比学习，解码器，Mask解码器，耦合蒸馏，半耦合，图像编码器和组合解码器的耦合优化
文章目录 一、AIGC的理解 二、对比学习 三、解码器 四、Mask解码器 五、耦合蒸馏 六、半耦合 七、图像编码器和组合解码器的耦合优化 一、AIGC的理解 AIGC指的是使用人工智能技术自动生成的各类数字内容,包括文本、图像、...
-
AI视野：ComfyUI Lora训练节点来了；“ChatGPT之父”结婚；Topazlabs推视频高清放大工具Topaz Video AI4；阿里云推出第八代企业级实例g8i
欢迎来到【AI视野】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/ ???AI新鲜事 ComfyUI...
-
GPT-5要来了！OpenAI公布2024年计划
快科技12月25日消息，OpenAI联合创始人兼首席执行官山姆奥特曼（Sam Altman）宣布，GPT-5要来了！ 他在社交平台公布了OpenAI在2024年要实现的计划：包括GPT-5，更好的语音模型、视频模型、推理能力，更高的费率限制等等。 此外还包...
-
【Bard】谷歌的人工智能工具—Bard初体验
文章目录 一、Bard介绍 二、Bard体验 1、加入Bard的候补名单 2、登入Bard篇 3、使用Bard篇 （1）提供三种预选方式✨ （2）创作生成各类文案 （3）无生成图画能力 （4）支持语音转文本输入✨ （5）支持部分代码生成...
-
AIGC大记事【2023-0625】【第五期】：《时代》专访ChatGPT之父：人工智能影响经济还需要很多年
大咖观点： 《时代》专访ChatGPT之父：人工智能影响经济还需要很多年 孙正义：我每天和ChatGPT聊天，一场巨大革命即将到来，软银“终将统治世界！” 刘慈欣谈 ChatGPT：人类的无能反而是人类最后的屏障 AI时代已来，吴恩达呼吁向每个孩...
-
Meta语音达LLaMA级里程碑！开源MMS模型可识别1100+语言
【新智元导读】Meta的大规模多语言语音 （MMS） 项目将彻底改变语音技术，使用wav2vec 2.0的自监督学习，MMS将语音技术扩展到1100到4000种语言。 在语音方面，Meta又达到了另一个LLaMA级的里程碑。 今天，Me...
-
国产开源大模型，起风了
科技的浪潮几十年一个轮回，不同的剧本却总是响起相似的鼓点。 如果说，一年前ChatGPT的惊艳现身，是属于大模型时代的「iPhone时刻」;那么，7月间Meta将Llama2开源，则被认为是拉开了大模型时代的IOS与安卓之争。 但区别于移动互联网时代，大模...
-
AIGC：使用bert_vits2实现栩栩如生的个性化语音克隆
1 VITS2模型 1.1 摘要 单阶段文本到语音模型最近被积极研究，其结果优于两阶段管道系统。以往的单阶段模型虽然取得了较大的进展，但在间歇性非自然性、计算效率、对音素转换依赖性强等方面仍有改进的空间。本文提出VITS2，一种单阶段的文本到语音模型，...
-
本地部署 Whisper 及 WhisperDesktop
本地部署 Whisper 及 WhisperDesktop 1. 什么是 Whisper 2. Github 地址 3. 创建虚拟环境 4. 安装 ffmpeg 5. 部署 Whisper 6. 使用 Whisper (20230514追加 W...
-
OpenAI重磅更新：人人可定制GPT！马斯克2个月打造ChatGPT竞品公开叫板
11月7日凌晨2点，人工智能初创公司 OpenAI 举办首届 DevDay 开发者大会，其首席执行官山姆•阿尔特曼（Sam Altman）宣布了GPT-4、ChatGPT等AI平台的一系列增强功能与定价变化。这些变化有望使OpenAI的技术更加强大、灵活...
-
使用MATLAB对语音信号进行采集以及读写的方法
一、语音信号特点 20世纪90年代以来，语音信号采集与分析在实用化方面取得了许多实质性的研究进展。其中，语音识别逐渐由实验室走向实用化。一方面，对声学语音学统计模型的研究逐渐深入，鲁棒的语音识别、给予语音段的建模方法及隐马尔可夫模型与人工神经网络的结合成为...
-
AI Bot能写论文吗 AI Bot可以用来写文案吗
AI Bot是构建基于图像、声音和文本的机器人，它的功能用法很多，那么是否可以使用AI Bot来写作，尤其是写文案呢，我们来一起了解下。 （AI Bot入口） AI Bot是支持用来写作的，如果是写论文也应该是没问题。AI Bot不仅有图像、编程机器人，...
-
将ChatGPT与物理机器人结合，波士顿动力开发了一只怪物！
10月27日，全球顶级机器人开发商波士顿动力（Boston Dynamics）在官网展示了一项新的研究，通过将ChatGPT、Spot以及其他AI模型相结合，开发了一种会说话的导游机器狗。 据悉，该机器狗能够根据文字、语音提示与人类进行交谈，同时提供了视觉...