Search AI Products and News

微软近期发布了一款零样本文本到语音（TTS）模型VALLE-2，该成果在技术界引发热议，被认为是TTS领域的里程碑。VALLE-2的创新之处在于其零样本学习能力，仅需一小段陌生语音样本，便能模仿声音说任意文本，实现了惊人的即时模仿和编码器分组。它还改进了重复感知采样，提高解码稳定性，并简化了数据需求。在主观评分和客观指标的测试中，VALLE-2超越了前代模型VALLE，几乎达到人类语音水平。然而，强大的语音模仿能力也引发了对Deepfake技术滥用的担忧，特别是关于伦理考量和潜在风险，如模型对非英美口音处理能力及计算效率的改进空间。当前，微软仅将其作为研究项目，并强调了合成语音检测和授权机制的重要性。未来在语音助手、内容创作等领域的应用值得期待，同时需要关注技术的伦理使用与风险防控。更多关于VALLE-2的信息可访问项目页面：Microsoft官网。

2024年7月19日, RWKV开源基金会全球开源了其最新最强的稠密纯RNN大语言模型RWKV-6-World14B。此模型在性能测试中体现出与拥有213亿个参数的Llama相当的英文性能，并在100多种语言与代码上表现出显著的多语言优越性，支持全球100种以上的语言和代码。RWKV-6-World14B通过基准测试显示了出众的性能，特别是在Uncheatable Eval评测中超越了Llama213B和Qwen1.514B。优点在于，该模型在训练过程中未受特殊优化困扰，基于从RWKV-4到RWKV-6的架构改进。在当前的评价排名中，该模型不仅展示了强大的实际能力，还能够在包括arXiv论文、新闻、ao3小说和GitHub代码等实时数据上进行评估，表明了其在模型能力和泛化能力上的真实性。提供下载的平台有Hugging Face、ModelScope和WiseModel等，不支持safetensor（.st）格式的Ai00用户则可以下载都在Ai00HF仓库中转换的版本。部署所需显存约为10G至28G。此款模型在多个领域展现出潜力，涉及自然语言处理、文学创作、代码处理、学术建议以及教育指令的自动化等复杂的实际应用，并且所有开源的RWKV模型在指令与对话方面有所提供，但尚无专门针对特定任务的优化训练。