Voicebox：文本引导的多语言规模化通用语音生成像GPT和DALL-E这样的大规模生成模型已经彻底改变了自然语言处理和计算机视觉研究。这些模型不仅可以生成高保真度的文本或图像输出，而且还是通才，可以解决没有明确训练过的任务…

sign_in_with_google

分享一个链接

发表一篇文章

任何有趣的，图片，热点新闻，视频，文字...

31675 位用户此时在线

24小时点击排行 Top 10：

2024-6-21 今日热点汇总：俄罗斯和朝鲜缔结防御条约一方遭受攻击另一方需援助；美国奥克兰市华裔女市长遭 FBI 搜查；重大突破艾滋病可能有救了！泰勒斯威夫特私人飞机遭环保人士喷漆事后发现是乌龙；解放军腐败严重习近平要求深刻反省；强制遣返脱北者，中国网友求政府要有点人性；广西遭遇自 1998 年以来最大的洪水；血腥慎入！！男子当街杀死强奸妻子的上司；女子实名举报辽宁圣经寺住持骗色；“你是不是想死” 杭州一公司拖欠工资老板威胁员工

网上流传一段短视频，从普京与金正恩的面部表情和轻微的肢体动作，折射其心理活动。您能猜到他们内心吗？

测试了一堆梗图变成视频后的样子剧情走向每次随机都不同窥见短视频之后下一个内容消费的可能性

重磅：中国广州一居民楼坍塌！

6月15日，湖南。一对新人在河边拍摄婚纱照。而就在不远处，一艘救援船正在打捞尸体。

6月21日晚，广东汕头。据赤坑镇商户反映，青坑农贸市场原属于村集体土地，结果个别干部私自将市场土地承包给第三方，第三方装修之后，商户需要以此前七八倍的价格才能入驻市场。此举引发商户不满，大量商户在市场维权抗议，期间和执法人员发生肢体冲突，有商户受伤倒地。

6月20日，桂林水情

这就是为什么我现在在车上安装了行车记录仪。

B站一位UP主长期以来无偿收集和发布各品牌的智能驾驶事故集锦。目前被华为方面要求停更。 6月21日，UP主发布了华为方面与他沟通的聊天记录截图视频。视频显示，华为方面出示了该UP主涉华为侵权负面言论列表，并威胁称他的账号已经属于网信办清朗行动需要重点打击的账号。

有网友发现，香港TVB的电视剧字幕，在香港前面加上了“中国”。

男人負責打架，女人負責收攤，各就各位⋯⋯

一看這四輪車司機肯定沒學過駕駛

广东肇庆封开县。 15日官媒宣传政府花费两亿新建的防洪堤，结果没能挡住随后的洪水，引发当地民众吐槽。

https://t.co/yISbLgNepb

华春莹回应BBC记者沙磊离境

2024年歐洲盃第二場比賽，烏克蘭隊以2-1擊敗斯洛伐克隊。

#动态清零一队俄罗斯入侵者。班长决定，全部躲进废墟中地下室。。。结果被一锅端！有时候，不能听班长的！

40分钟前：歙县黄备村，当地目前通讯中断，不知道救援队什么时候能到 1小时前：歙县森村乡皋径村宅民反映：没人救援，断水断电，缺少食物，急需救援

网闻：俄罗斯，在大街上遛孩子时被抓了壮丁，男人只来及亲两口婴儿就被按在了地上，不知道这一家人还能不能再相见了。和平万岁！

打工人的崩溃就在一瞬间 6月20日，上海Manner咖啡接连曝出两起员工与等餐客户起争执事件。梅花鹿1047号店男员工被催单后与等餐女子起争执，之后抢夺对方手机辱骂对方并与对方厮打。威海路716店女员工与等餐女子起争执后向女子泼咖啡粉崩溃大吼。

中華民族偉大復興就是見到外國人就找茬，實際上是義和團偉大復興！

6月20日，有用户发现动漫花园网站疑似被攻击，当时在搜索栏中随意输入搜索内容，都会跳转到六四屠杀遇难者肖杰的广场遗书。

余大妈也算个人物了，怪不得弄那么多头衔捞钱，都是组织针对二呆们特殊照顾的。

6月14日(发布)，江西南昌。江西应用技术学院多名学生向博主“集净(翼哥)”反映学校宿舍水质差的问题，甚至有学生洗澡后浑身长红包，学校还禁止学生私自安装净水器。博主来到学校测试后发现，宿舍自来水不仅水质差，甚至还有蠕动的虫子。 6月15日(发布)

三胖与普京讨论了什么重要问题？这气氛有点紧张啊？很明显，三将军要价太高，自己都有点心虚了，普京明显hold不住啊🥹

本站自动实时分享网络热点
24小时实时更新
所有言论不代表本站态度
欢迎对信息踊跃评论评分
评分越高，信息越新，排列越靠前

2

1

0

Voicebox：文本引导的多语言规模化通用语音生成

像GPT和DALL-E这样的大规模生成模型已经彻底改变了自然语言处理和计算机视觉研究。这些模型不仅可以生成高保真度的文本或图像输出，而且还是通才，可以解决没有明确训练过的任务…
IT技术
( twitter.com )

1年前由宝玉提交

1周内 1个月内 1年内全部时间

1
2
3
4
5
6
...
400
下一页

1

2

1

1

Meta 昨天推出了 Voicebox，一个全能语音生成模型，这是一个支持六种语言和多种语音处理功能的模型，功能包括

基于上下文的文本转语音合成
跨语言风格转换
跨语言风格转换
多样化的语音采样

详细的功能介绍和原理在下面🧵：
IT技术
( twitter.com)

1年前 • 歸藏 • -- 点击 • 下载视频 0 评论

00:02:43

2

2

1

1

SignLLM ：世界上第一个通过文字描述生成手语视频的多语言手语模型
该模型可以将输入的文本或提示转化为相应的手语手势视频。
SignLLM 可以生成包括美国手语（ASL）、德国手语（GSL）在内的八种不同手语。
该项目还引入了首个多语言手语数据集，名为
时政
( twitter.com)

25天前 • 小互 • -- 点击 • 下载视频 0 评论

00:00:51

3

2

1

1

在中国，大多数的吴语母语者，包括我，都是文盲，是睁眼瞎。看着本语言文字写出来的东西，即使知道是什么意思，都念不出来。即使能念出来，都不会写正字。这就是「说普通话，写规范字」——大规模系统性语言灭绝和文化灭绝的结果。
推特中文圈
( twitter.com)

1年前 • Fūrin et Asabikeshiinh @[email protected] • -- 点击 0 评论

4

2

1

1

在上个月推出了 MMS 之后，Meta 继续放大招，今天推出了 VoiceBox 第一款可泛化的语音生成模型，类似于图像和文本生成，VoiceBox 可创建各种风格的输出，从头开始或修改给定样本。它用于生成高质量音频片段，可以合成…
IT技术
( twitter.com)

1年前 • indigo • -- 点击 0 评论

5

2

1

1

Meta AI 今天发布的音频领域突破，继大语言模型统一了语言类任务的最好效果之后，Meta 的 VoiceBox 用一种通用模型在多种音频任务上做到了最优效果。同一个模型可以做语音识别，风格转换，噪音去除，语音编辑等多种任务。…
IT技术
( twitter.com)

1年前 • Quinn Leng • -- 点击 0 评论

6

1

0

0

【商业银行拟实行差异化资本监管，将减轻中小银行合规成本】规模较大或跨境业务较多的银行，划为第一档，对标资本监管国际规则。资产规模和跨境业务规模相对较小的银行纳入第二档，实施相对简化的监管规则。第三档主要是规模小于100亿元的商业银行，进一步简化资本计量并引导聚焦服务县域和小微。
大陆资讯
( www.thepaper.cn)

1年前 • 流精岁月 • -- 点击 0 评论

7

2

1

1

斯坦福2023年公开课CS25 - 大语言模型中的涌现和规模（中英文字幕）

这是斯坦福2023年公开课CS25的第三课：《Emergent Abilities and Scaling in LLMs | 大语言模型中的涌现和规模…
IT技术
( twitter.com)

1年前 • 宝玉 • -- 点击 0 评论

8

4

3

3

来自OpenAI的Safety团队的负责人Lilian Weng发表的新文章：《Adversarial Attacks on LLMs | 大语言模型遭受的对抗性攻击》
现在随着大语言模型的流行，针对大语言模型的攻击也日渐增多。她在文章中将针对大语言模型的攻击分成了5类：
1. Token 操纵
微调输入文本的少量…
IT技术
( twitter.com)

7个月前 • 宝玉 • -- 点击 0 评论

9

2

1

1

这是苹果对于 Apple Intelligence 背后技术的介绍视频，结合引用的的推文信息，他们的模型分成三层：
1. 本地模型
这部分包含语言模型和扩散模型，另外还有用来做 RAG 的 Semantic Index (语义索引)和 App Intents Toolbox（应用意图工具箱）。
其中语言模型是 3B…
IT技术
( twitter.com)

10天前 • 宝玉 • -- 点击 • 下载视频 0 评论

00:06:19

10

2

1

1

Meta AI真不错！刚推出Voicebox是一款全能的生成式语音模型。

🌐 支持6种语言合成语音
🛠️ 通用模型，可执行未经训练的任务，如噪声去除、内容编辑、风格转换等操作
⏱️ 仅需2秒样本，即可进行风格合成
🌍 跨语…
IT技术
( twitter.com)

1年前 • Jeffery Kaneda　金田達也 • -- 点击 0 评论

11

2

1

1

过去的五天里GenAI发生了：

欧盟AI法案
GPT-工程师
Meta Voicebox
Adobe AI 保险
AI语音分类器
OpenAI API降价
Meta提供的免费大型语言模型
Google虚拟试穿
ChatGPT +…
IT技术
( twitter.com)

1年前 • GPTDAOCN • -- 点击 0 评论

12

2

1

1

Meta 发布 SeamlessM4T AI 模型，可翻译和转录近百种语言

SeamlessM4T支持近100种语言的自动语音识别、语音到文本翻译、语音到语音翻译、文本到文本翻译和文本到语音翻译的多任务支持。

他们的目标是建立一个通用语言翻译器，就像《银河系漫游指南》中的虚构的巴别鱼一样。💡

SeamlessM4T支持：…
IT技术
( twitter.com)

10个月前 • 小互 • -- 点击 • 下载视频 0 评论

00:00:30

13

2

1

1

Meta 真的把语言研究透了
今天推出 Massively Multilingual Speech
- 为 1,100 多种语言推出语音转文本、文本转语音等功能，语言转文本的错误率只有 Whisper 的一半
- 为 4000…
IT技术
( twitter.com)

1年前 • orange.ai • -- 点击 0 评论

14

2

1

1

【全球首个翻译引擎进化归来，“细节狂魔”搞定方言文言文】3年前，DeepL刚出现在大众视野的时候就已经吸引到了不少目光，它的前身正是运营十多年的在线外语词典Linguee，得益于此，不管是翻译方言、文言文还是学术话语，都有不错的表现，目前DeepL的最新版本更是增加了对日语和中文（简体）的支持。
大陆资讯
( mp.weixin.qq.com)

4年前 • 微信公众号 • -- 点击 0 评论

15

2

1

1

最近TTS太火了，字节跳动也推出了语音生成模型：Seed-TTS
Seed-TTS能生成与人类语音几乎没有区别的语音
支持多种语言包括英语、中文，能够进行同语言生成和跨语言生成。
能处理各种文本，叙述性文本、情感表达、描述性文本等，能根据不同的情感和语境生成相应的语音…
时政
( twitter.com)

15天前 • AIGCLINK • -- 点击 • 下载视频 0 评论

00:01:12

16

2

1

1

ElevenLabs推出AI配音和语音翻译服务

1、多语言支持：提供29种不同的语言选项，覆盖了全球主要的语言。

2、多人说话识别：能够识别视频中的多个说话人，并在翻译版本中保持不同和可识别的声音。

3、本土化：不仅仅是翻译，还能根据目标语言的文化和习惯进行本地化，使其更加贴近当地听众。…
IT技术
( twitter.com)

8个月前 • 小互 • -- 点击 • 下载视频 0 评论

00:00:28

17

2

1

1

这段视频其实部分解答了我的一个困惑：是什么让大语言模型有了推理的能力？明明只是训练了文本数据而已！
首先是语言本身，语言经过数万年的进化，它为“智能”的发展提供了土壤！相对于其他模态例如图像，语言简单，而且信息量丰富。…
IT技术
( twitter.com)

2个月前 • 宝玉 • -- 点击 • 下载视频 0 评论

00:04:22

18

2

1

1

Meta 继续在开源模型的道路上狂奔
今天放出了 MMS（Massively Multilingual Speech）
- 从文本到语音
- 以及语音到文本的互转
- 可以讲 1100 种语言，听懂 4000 种语言
在这之前最流…
IT技术
( twitter.com)

1年前 • indigo • -- 点击 0 评论

19

1

0

0

大型语言模型与生成式AI——介绍LLM和生成式AI项目的生命周期7——用Transformer生成文本

#大型语言模型与生成式AI… …
IT技术
( twitter.com)

11个月前 • 宝玉 • -- 点击 0 评论

20

2

1

1

微软刚刚发布了多模态大语言模型的论文：Language Is Not All You Need

模型命名为：MOSMOS-1

论文地址：
图片
( arxiv.org)

1年前 • Jiayuan • -- 点击 0 评论

21

2

1

1

Meta发布了Text 2 Voice！这是语音的生成式AI领域重大突破！

Voicebox，一种最先进的AI模型，它能够通过上下文学习来执行语音生成任务，如编辑、取样和风格化，即使它并未特意针对这些任务进行训练。

Voice…
IT技术
( twitter.com)

1年前 • GPTDAOCN • -- 点击 0 评论

22

3

2

2

兄弟们炸裂了
这个语音专文本TTS模型应该是目前对中文支持最好的了
ChatTTS：专门为对话场景设计的文本到语音TTS模型
该模型经过超过10万小时的训练，公开版本在 HuggingFace 上提供了一个4万小时预训练的模型。
专为对话任务优化，能够支持多种说话人语音，中英文混合等。
时政
( twitter.com)

23天前 • 小互 • -- 点击 • 下载视频 0 评论

00:05:26

23

2

1

1

有人尝试了借助开源大语言模型，无需联网在本机实现和游戏 NPC 自由对话，技术栈：
- Mistral7b，开源大语言模型
- StyleTTS2 文字转语音
- llama.cpp 用来运行大语言模型的库
生成一句新对话的时间大约为 2-3…
IT技术
( twitter.com)

6个月前 • 宝玉 • -- 点击 • 下载视频 0 评论

00:02:16

24

2

1

1

Agent-Driver 为传统的感知-预测-规划框架带来革新，将大语言模型 (LLM) 引入自动驾驶领域。
摘要
实现人类水平的驾驶技术是自动驾驶的关键目标。传统自动驾驶方法虽采用感知-预测-规划框架，但未能充分发挥人类的推理能力和经验知识。本文提出一种颠覆性的思路，通过大语言模型 (LLM)…
IT技术
( twitter.com)

6个月前 • 宝玉 • -- 点击 • 下载视频 0 评论

00:02:42

1
2
3
4
5
6
...
400
下一页