约翰霍普金斯大学、腾讯人工智能实验室和南洋理工大学的研究人员推出新型神经编解码自回归模型SSR-Speech，它专为零样本（zero-shot）文本基础的语音编辑和文本到语音（TTS）合成设计，以实现稳定、安全和强大的性能。简单来说，SSR-Speech 能够根据文本指令修改或合成语音，而不需要在训练期间听到特定的说话... 阅读全文

约翰霍普金斯大学电气与计算机工程系的研究人员推出新型声音提取技术SoloAudio。SoloAudio 是一个基于扩散模型的声音生成模型，专门设计用于从复杂的音频场景中提取特定的声音。这项技术可以帮助我们在有多种声音混杂的环境中，像人耳一样专注于并分离出我们感兴趣的那一种声音。 项目主页：https://wanghel... 阅读全文

Epic Games本周要免费送手绘冒险游戏《TOEM》和单人rogue-lite动作冒险游戏《最后的战役：劫后余生（The Last Stand: Aftermath）》，领取时间为9月19日晚上23点到9月26日晚上23点，在此之前免费领取即可永久保留这些作品。下周的免费游戏是冒险游戏《精灵与老鼠（The Spir... 阅读全文

由游鲤化龙工作室开发、Captcha Games发行的武侠RPG游戏《刀剑江湖路》现已在Steam平台推出抢先体验版，为武侠爱好者带来一场热血的江湖冒险。原价58元的游戏，目前限时优惠价为52.2元，优惠活动将持续至10月3日。《刀剑江湖路》是一款横版战斗武侠RPG游戏，玩家将以无名小辈的身份进入江湖，意外卷入种种纷争... 阅读全文

由Leap Studio精心打造的水墨风格武侠动作Roguelite游戏《墨境》将于9月27日在Steam平台开启抢先体验，为玩家带来视觉与玩法的双重创新。 游戏背景 《墨境》设定在一个名为「墨境」的奇幻世界，由「书灵」掌控着人们的命运。侠女「丹朱」在一次狩猎中意外发现了这个世界的真相，决心摆脱束缚，夺回自由。 核心玩... 阅读全文

新加坡国立大学和华为的研究人员推出Vista3D框架，它的目标是从单一的2D图像中快速生成3D模型。这个技术可以帮助我们从一张照片中想象出物体的全貌，即使照片中只展示了物体的一部分。Vista3D通过两个阶段来实现这一目标：粗略阶段和精细阶段。 GitHub：https://github.com/florinshen/... 阅读全文

腾讯AI实验室、北京理工大学、中国科学院自动化研究所的研究人员推出一种名为“基于扩散模型的音频字幕生成”（Diffusion-based Audio Captioning，简称DAC）的技术。这是一种利用扩散模型来为音频内容生成描述性文字的技术，旨在提高音频理解及其在多媒体应用中的性能。扩散模型是一种生成模型，它通过在... 阅读全文

喜马拉雅Everest团队推出高质量零样本（zero-shot）语音生成模型系列“Takin AudioLLM”。这个系列包括Takin TTS（Text-to-Speech，文本到语音）、Takin VC（Voice Conversion，声音转换）和Takin Morphing（声音变形）三个模型，它们专门设计用于... 阅读全文

微软推出新型机器学习模型GRIN，它是对现有的“专家混合”（Mixture-of-Experts，简称MoE）模型的一种改进。MoE模型是一种特殊的深度学习模型，它通过将任务分配给不同的“专家”子模块来处理，每个专家只处理它擅长的特定类型的输入。这种方法可以让模型在保持高效的同时，处理更大规模的数据。 GitHub：h... 阅读全文

德克萨斯大学奥斯汀分校、约翰霍普金斯大学和普林斯顿大学的研究人员发布论文，探讨了一个名为“链式思考（Chain-of-Thought，简称CoT）”的技术在大型语言模型（Large Language Models，简称LLMs）中的应用效果。链式思考是一种通过提示（prompting）来激发语言模型进行推理的方法。简单... 阅读全文

中国人民大学高岭人工智能学院和百度的研究人员推出一种新型的个性化大语言模型（LLM），名为PPlug（Persona-Plug）。这个模型的目的是让语言模型能够根据每个用户的独特偏好和习惯来生成定制化的文本输出。总的来说，PPlug通过将用户的历史行为和偏好编码成一个嵌入向量，并在生成文本时使用这个向量，使得语言模型能... 阅读全文

阿里巴巴集团人工智能业务、南京大学人工智能学院、南京大学计算机软件新技术国家重点实验室的研究人员推出新型多模态大语言模型Ovis。多模态意味着这个模型能够同时处理和理解文本和视觉信息，比如图片。你可以把它想象成一个能够“看图说话”的智能系统。 GitHub：https://github.com/AIDC-AI/Ovis... 阅读全文