开源模型
Zonos，开源的TTS模型，允许对说话速度、音高变化、音频质量以及快乐、恐惧、悲伤和愤怒等情绪进行精细控制
FireRedASR，小红书开源的语音识别模型，擅长识别中英文、方言/歌词等
InspireMusic，阿里开源的音乐生成模型，可控制文本提示，音乐流派，音乐结构等
开源项目
Goku+，字节跳动推出的基于Goku视频模型生成真人出镜的广告视频
Sonic，腾讯开源的音频驱动肖像动画项目，适合长视频生成，在口型同步、表情和头部运动方面效果不错
微信扫描下方的二维码阅读本文
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
评论(0)