语音合成

百川智能推出的Baichuan-Audio是一款先进的端到端音频大语言模型，具备无缝音频理解与生成的能力，能够实现高质量、可控的实时中英文对话。该模型采用多码本离散化技术，成功将音频信号转化为离散标记，保留语义和声学信息，并通过音频处理模块增强音频特征的识别能力。Baichuan-Audio基于双阶...

IndexTTS 是 B 站推出的文本转语音模型，它结合了 XTTS 和 Tortoise 模型的先进技术，采用了 GPT 风格的生成技术。这个系统在将文本转换为自然流畅的语音方面表现出色，尤其擅长处理中文文本。IndexTTS 不仅支持拼音纠正汉字发音，还可以利用标点符号来精准控制停顿，有效解决多...

PySpur是一款开源的，旨在简化人工智能系统开发流程的可视化AI智能体工作流构建工具。用户可以通过直观的拖拽式界面快速构建、测试和迭代AI工作流，无需编写复杂代码。PySpur具备循环与记忆功能、文件上传、结构化输出、RAG技术和多模态数据处理（包括文本、图像、视频等），并能与多种工具（如Slac...