CosyVoice：主播的摸鱼利器

CosyVoice

阿里通义实验室推出的语音模型，基于超过 40 万小时的多样化语音数据训练而成，能够支持超过 50 种语言的识别，展现出卓越的跨语言识别能力。

了解更多

硬件信息

    Dell Precision 5490 移动工作站

    【GPU】NVIDIA RTX™ 3000 Ada

    【CPU】Intel Core i7

    【RAM】32G

其他可搭载的 AI 工具

IMAGDressing
IMAGDressing 是一款用于虚拟换装的交互式模块化服装生成模型，引入一个服装 UNet，它可以从 CLIP 中捕获语义特征，从 VAE 中捕获纹理特征。
MimicBrush
MimicBrush 是阿里巴巴和香港大学共同开源的万能修图模型，可将源图像的潜伏层、遮罩层、背景潜伏层和深度潜伏层输入到模拟 U-Net 中。
Stable Diffusion
Stable Diffusion 是 Stability AI 推出的文生图、图生图模型，能够生成生成各种图像样式，如 3D、摄影、绘画、线条艺术等。
LCM
LCM（Latent Consistency Models，潜在一致性模型）是清华大学交叉信息科学研究院研发的一款生成模型。
GraphRAG
GraphRAG 是一种基于知识图谱的检索增强技术，通过构建图模型的知识表达，将实体和关系之间的联系用图的形式进行展示，然后利用大语言模型进行检索增强。
Fish Speech
Fish Speech 是一款克隆语音的模型，具备强大的泛化能力，不依赖音素进行 TTS，能够处理任何文字表示的语言。
CodeFormer
CodeFormer 是南洋理工大学开发的盲人脸恢复模型，即便是严重模糊的图片也能生成与目标人脸非常接近的自然人脸。
SenseVoice
SenseVoice 是一个语音基础模型，具有多种语音理解功能，包括自动语音识别 、口语语言识别 、语音情感识别 和音频事件检测 。
Mistral AI
Mistral AI 是一家专注于开源大型语言模型（LLM）开发的人工智能公司，推出了多个模型，如 Mistral 7B 和 Mixtral 8x7B，具有强大的编程语言处理能力。
CosyVoice
阿里通义实验室推出的语音模型，基于超过 40 万小时的多样化语音数据训练而成，能够支持超过 50 种语言的识别，展现出卓越的跨语言识别能力。
Shap-E
Shap-E 是一个可以通过提示词进行 3D 建模的模型，能够直接生成隐式函数的参数，这些参数可以渲染为纹理网格。
Dify
Dify 是一个开源的 LLM 应用开发平台，提供了健全的应用模版和编排框架。
LobeChat
LobeChat 是一款开源的 AI 对话应用，专为用户打造高效便捷的智能对话解决方案。
DeepSeek
DeepSeek 是一款智能模型，由深度求索公司开发，具备多模态理解和复杂推理能力。
Open WebUI
Open WebUI 是一个可扩展、功能丰富、用户友好的自托管 Web 用户界面，支持与本地或云端的大型语言模型交互。
OmniPhrase
OmniPhrase 能够解决多语言文本处理中的诸多挑战，如自动翻译、语义搜索、内容摘要和情感分析等。
  • 短信登录
©北京第二十六维信息技术有限公司版权所有.
京ICP备15039648号-7 京ICP证161336号 京公网安备 11010802021500号