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。
荣耀官方微博@MagicOS宣布，荣耀成功实现全球首个端侧语音大模型的部署。这项技术的进步不仅是荣耀的一次突破，更被誉为 “AI 语音技术再升级”。这项重磅成果将在即将发布的荣耀 Magic V5海外版中首发亮相。荣耀这次的技术创新，得益于其在人工智能领域的深耕细作。据悉，荣耀在国际顶尖会议 InterSpeech 上发表了两篇学术论文，获得了学术界的广泛关注。这些研究成果为此次大模型的成功部署奠定了坚实的基础。荣耀 Magic V5是一款备受期待的折叠屏手机，定于7月2日正式发布。这款手
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、Qwen-TTS重磅发布：方言语音合成新突破，真实感媲美真人阿里巴巴通义团队推出的Qwen-TTS模型，该模型在语音合成领域实现了重大突破，具有超高真实感和多方言支持，适用于教育、娱乐、智能客服等多种场景。【AiBase提要:】🔊 Qwen-TTS支持多种中文方言和双语音色，满足多样化需求。🎙️
近日，TEN Agent团队宣布将其企业级实时语音活动检测器（TEN VAD）正式开源，这一突破性举措引发行业热议。TEN VAD以帧级精度的语音检测能力和优于WebRTC VAD及Silero VAD的性能表现，成为构建实时对话语音助手的强力引擎。TEN VAD:帧级精度的企业级语音检测TEN VAD是一款基于深度学习的轻量级、低延迟语音活动检测（VAD）模型，专为企业级应用设计。它能够精确识别音频帧中的人类语音，过滤背景噪音、沉默等非语音内容。相较于业界常用的WebRTC VAD和Silero VAD，TEN VAD在多样化场景测试中展现出更
TEN Agent团队近日宣布，其核心模型**TEN Voice Activity Detection （VAD）**和**TEN Turn Detection**正式开源，为构建实时、多模态的语音AI代理提供了强大的技术支持。这一举措标志着TEN框架在推动语音交互技术民主化与开源协作方面的重大进展。以下是AIbase整理的最新资讯，深入解析这两大核心模型的功能、优势及对行业的潜在影响。TEN VAD:低延迟高性能的语音活动检测TEN VAD是一款专为企业级应用设计的实时语音活动检测器，以低延迟、轻量化和高性能著称。根据官方信息及社交媒体反馈，TEN VAD能够
昨日，阿里巴巴通义团队正式推出了Qwen-TTS模型，这款文本转语音（TTS）模型以其超高真实感和多方言支持引发行业热议。AIbase编辑团队整理最新信息，为您深入解析这款通过Qwen API提供服务的语音合成利器，及其在AI语音技术领域的突破性意义。Qwen-TTS:超真实语音合成Qwen-TTS是通义团队基于大规模语音数据集研发的最新文本转语音模型，通过数百万小时的语音训练，生成的声音在自然度、韵律、节奏和情感表达上达到了极高水平。用户通过Qwen API即可体验到接近真人发声的语音效果，适用于
近日，一款名为Qwen-TTS的语音合成模型有了新进展，其通过Qwen API完成了最新版本的更新，为用户带来了更加丰富的语音合成体验。 此次更新中，Qwen-TTS新增了对三种中文方言的支持，分别是北京话、上海话和四川话，进一步拓宽了其应用场景。该模型依托超过300万小时的大规模语料库进行训练，合成效果达到了人类级别的自然度和表现力。Qwen-TTS不仅能精准合成语音，还能根据输入文本自动调整韵律、节奏和情绪变化，让生成的语音更加真实、富有表达力。
近日，北京人工智能研究院推出了全新的开源系统 ——OmniGen2。这一系统专注于文本到图像的生成、图像编辑和上下文图像创作。与2024年发布的第一代 OmniGen 相比，OmniGen2采用了两条独立的解码路径:一条用于文本生成，另一条用于图像生成，且各自拥有独立的参数和解耦的图像标记器。这种设计让模型在保持文本生成能力的同时，有效地提升了多模态语言模型的表现。OmniGen2的核心是一个基于 Qwen2.5-VL-3B 变换器的大型多模态语言模型（MLLM）。在图像生成方面，该系统使用了一种自定义的扩
近日，AI技术先锋企业Runway宣布即将推出其全新生成式AI平台“游戏世界”（Game Worlds），这一创新产品不仅标志着Runway从影视领域的成功拓展至游戏行业，更为广大创作者和玩家带来了全新的互动体验。“游戏世界”:AI驱动的互动文本冒险Runway的“游戏世界”平台以生成式AI为核心，允许用户通过简单的文字输入即可创建并体验基于文本的冒险游戏。与传统游戏开发需要大量资源和专业技能不同，该平台通过AI自动生成游戏的文本叙述和配套图像，大幅降低了创作门槛。用户只需提供游戏世
近日，AI语音技术领域的领军企业ElevenLabs正式发布其最新语音设计工具Voice Design v3，为内容创作者和开发者带来了前所未有的语音生成体验。据AIbase了解，这款工具通过简单的文本提示即可生成高度拟人化的语音，支持70多种语言和数百种本地化口音，极大地提升了语音的表达力和真实感。Voice Design v3的发布标志着AI语音技术在个性化和情感表达方面的重大突破。一键生成个性化语音，创意无限Voice Design v3的核心亮点在于其文本提示生成能力。用户只需输入一段描述性文字，例如“一个来自
近日，谷歌通过Gemini API正式推出其最新文生图模型**Imagen4**，标志着生成式AI（AIGC）领域的重要里程碑。据谷歌官方博客及社区反馈，Imagen4在图像内文本生成方面取得突破，解决了AIGC长期面临的技术瓶颈，为开发者提供高质量视觉内容创作工具。据悉，模型分为**Imagen4**和**Imagen4Ultra**两种规格，分别定价为每张图像0.04美元和0.06美元，当前在Gemini API及Google AI Studio提供付费预览，部分免费试用名额开放。Imagen4相较前代模型Imagen3，在文本渲染质量上显著提升，支持高达2K分辨率的图像生成，