1月5日千问APP语音功能全面焕新,上线10款全新AI音色,覆盖不同年龄层与性格特征。同时,用户克隆的专属音色也同步升级,实现更丰富、更拟人化的语音交互体验。

据悉,新音色通过研发架构创新和大规模多说话人语音数据训练,在保持高清晰度的同时,显著提升语音互动的拟人感,具备更加精准的语气、语调、停顿和情感等。支持中英混合发音、多语种无缝切换,适用于剧本演绎、多人对话等创意场景。
产品负责人介绍,这些音色经过由语言学家、音频工程师及用户体验专家组成的专业评审团多轮盲测评估,在自然度、语速控制、情感表现力、声音复刻还原度、多语言适配能力及系统稳定性六个维度上表现均衡。
未来,千问APP还将持续优化AI语音,拓展在日常生活、有声内容创作、无障碍服务等多场景的应用。
好文章,需要你的鼓励
openGauss的目标是探索oGRAC和超节点深度融合的可能,打造超节点原生数据库。
清华团队开发DKT模型,利用视频扩散AI技术成功解决透明物体深度估计难题。该研究创建了首个透明物体视频数据集TransPhy3D,通过改造预训练视频生成模型,实现了准确的透明物体深度和法向量估计。在机器人抓取实验中,DKT将成功率提升至73%,为智能系统处理复杂视觉场景开辟新路径。
字节跳动研究团队提出了专家-路由器耦合损失方法,解决混合专家模型中路由器无法准确理解专家能力的问题。该方法通过让每个专家对其代表性任务产生最强响应,同时确保代表性任务在对应专家处获得最佳处理,建立了专家与路由器的紧密联系。实验表明该方法显著提升了从30亿到150亿参数模型的性能,训练开销仅增加0.2%-0.8%,为混合专家模型优化提供了高效实用的解决方案。
上海AI实验室团队开发的Yume1.5是一个革命性的AI视频生成系统,能够从单张图片或文字描述创造无限可探索的虚拟世界。用户可通过键盘控制实时探索,系统8秒内完成生成,响应精度达0.836,远超现有技术。该系统采用创新的时空通道建模和自强制蒸馏技术,支持文本控制的事件生成,为虚拟现实和内容创作领域开辟了新的可能性。