YuE:一个全新多模态音乐开源模型可以从歌词生成长达5分钟的含人声和伴奏的高质量、完整音乐。 -支持多种语言生成，包括英语、中文、日语和韩语。 -生成的歌曲拥有完整的音乐结构，包括前奏、主歌、合唱等部分。 -提供跨语言混合生成功能，例如中英混合歌词的嘻哈音乐。 -YuE

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...

4221 位用户此时在线

24小时点击排行 Top 10：

穿着高大上的女生，行為卻低級下流⋯⋯

Wataa~ Marry Christmas !🎄🎁🎅

What is happening in Guangzhou? Can anyone explain? Are those ladies waiting for something?

12月26日，海南海口。有网友发布视频显示，封关后的海口国际免税城及新海港现场冷冷清清，车也没有几辆。

习主席扫黃是不拿群众一针一线下大棋

保定出什麼狀況了？

关于文物贩卖的内幕，马未都十几年前都说透了。

身怀绝技，不红也难～～😂😂

近日，广东一名网友发布视频，记录自己前往当地批发市场捡拾他人丢弃的蔬菜，并翻找垃圾桶里的剩菜带回家做饭的日常。视频画面显示，现场除该网友外，还有不少年轻人参与捡拾，其中包括普通打工人、外卖员等，评论区有当地人表示：“以前觉得没面子，面子值几个钱？不要管他人的眼光”“我也想捡，大城市

12月25日，湖南一对父母为了生计长期在外务工，把女儿留在老家由奶奶照顾。女孩某晚写作业写到凌晨1点，因极度疲惫趴在桌上睡着。奶奶看到孙女“进度太慢”、竟然情绪失控，按住孩子头部连续掌掴（扇耳光）。

谁要说他影帝我和谁急

12月26日，广东一所小学举行升旗仪式，国歌响起时，校门外的学生纷纷停下脚步敬礼，现场仿佛被按下了暂停键。视频发出后弹幕和评论区的网友纷纷表示：这就是一场服从性测试。

Merry Christmas to the Trump Sleazebag, who loved Jeffrey Epstein, who attended his parties, and thought he was the greatest guy on earth. Losers like you are at it again, and will be badly hurt and reputationally tarnished. Enjoy what may be your last Merry Christmas! America

近日，非洲街头，网友们纷纷在街头偶遇大量中国牌照的电动车

赛道开始拥挤了

中國人失蹤怪象

哈哈哈，38岁，不想将就，不想妥协，那你哭啥？是不是门当户对，不是你说了算，要对方说了算你都38了，年薪50万了，还没弄明白这个道理？😂😂

“与城管队员起争执，老人被推倒后离世” 近日，福建福安市一老人与城管队员因发生口角起争执，后被城管队员推倒，老人送医抢救无效离世，涉事城管队员被刑事拘留

解飯軍東南西北中，各個戰區都在磨刀擦槍，准備解決地球米飯，夢想武統世界的模樣⋯⋯

12月26日，河北保定商户们的罢市仍在继续。

在被轰炸后停着电大雪纷飞的寒冬里，我居然被这个视频逗笑了，行，这都行，还能有啥想不开的。

孤獨這玩意，你在意它它就是孤獨，你享受它，它就是自由。

Chinese police state brutality. No justice, no oversight.

太难了，支持女方离婚👍，男方已经摆烂了，没有爱情👨‍❤️‍👨，连亲情都没有，为啥在一起～～？😂

川普总统发了个视频，炸了！就一句话：把伊尔汗·奥马尔，给我扔出美国！现在！立刻！马上！为什么？她的美国公民身份，可能根本就不存在。奥马尔自己说，她的公民身份，是跟着她爹来的。她爹2000年入籍，她未满18岁，自动成为公民。听起来没问题吧？问题来了。

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

YuE:一个全新多模态音乐开源模型
可以从歌词生成长达5分钟的含人声和伴奏的高质量、完整音乐。
-支持多种语言生成，包括英语、中文、日语和韩语。
-生成的歌曲拥有完整的音乐结构，包括前奏、主歌、合唱等部分。
-提供跨语言混合生成功能，例如中英混合歌词的嘻哈音乐。
-YuE
时政
( twitter.com )

11个月前由小互提交

YuE:一个全新多模态音乐开源模型

可以从歌词生成长达5分钟的含人声和伴奏的高质量、完整音乐。

-支持多种语言生成，包括英语、中文、日语和韩语。

-生成的歌曲拥有完整的音乐结构，包括前奏、主歌、合唱等部分。

-提供跨语言混合生成功能，例如中英混合歌词的嘻哈音乐。

-YuE 支持生成多种音乐风格，包括但不限于：

金属（Metal）

爵士（Jazz）

流行（Pop）

乡村（Country）

抒情（Ballad）

另类摇滚（Alternative Rock）

儿歌（Children's Song）

YuE 展示了多种专业级声乐表现，如：

即兴演唱（Scatting）：即兴创作无词旋律。

低吼（Death Growl）：多用于金属音乐中的极端演唱技术。

混声（Mix Voice）：融合胸声和头声的演唱技术。

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

DeepSeek 开始搞多模态了。
开源了一个多模态理解和生成一体的模型 Janus，既可以理解图片内容又可以生成图片。
Janus的核心创新是将视觉编码分为两个独立的部分:一个用于多模态理解,一个用于图像生成。
IT技术
( twitter.com)

1年前 • 歸藏(guizang.ai) • -- 点击 0 评论

2

2

1

1

开源的 TTS 模型，可以克隆声音
IT技术
( twitter.com)

10个月前 • 宝玉 • -- 点击 • 下载视频 0 评论

00:01:21

3

2

1

1

微软最新发布 Phi 系列的两个全新小模型：Phi-4-multimodal（多模态）和 Phi-4-mini（迷你版） 1. Phi-4-multimodal（5.6B参数）
- 多模态能力：首次整合语音、视觉、文本处理，无需多个模型或复杂流程，统一处理多类型输入。
- 性能亮点： -
时政
( twitter.com)

10个月前 • meng shao • -- 点击 0 评论

4

2

1

1

Meta 最近常常放大招，今天发布了新的开源多模态模型 ImageBind，可以将文本、音频、视觉、温度还有运动数据流串联在一起，形成一个单一的 embedding space，可以让机器能从多维度来理解世界，也能创造沉浸式的多感…
推特中文圈
( twitter.com)

2年前 • indigo • -- 点击 0 评论

5

3

2

2

4月5日 Meta发布了其新一代开源大语言模型Liama4，其拥有超过4000亿参数，Meta宣称该模型是同类中最好的多模态模型（可以处理图像输入输出），在参数量更少运行门槛更低的情况下，编程和推理能力上和DeepSeek V3相当。
并且该模型完全免费开源，用户可以从Liama官网下载并部署在本地。
时政
( twitter.com)

8个月前 • 李老师不是你老师 • -- 点击 0 评论

6

2

1

1

一个开源的多模态 LLM Unified-IO 2。
比较离谱的是它可以实现语音理解和动作理解还有图像标记这种任务，还可以理解空间关系。真正的 All in one 。
甚至还可以驱动机器人做对应的操作。
项目简介：
Unified-IO 2，这是第一个能够理解和生成图像、文本、音频和动作的自回归多模态模型。…
IT技术
( twitter.com)

2年前 • 歸藏 • -- 点击 0 评论

7

2

1

1

大模型国内乱象之行业大模型。
可以观赏神文《中国杀出全球首个烹饪大模型》，简直就是各种名词的堆叠：
食神大模型的赋能，是一个连续多场景过程 / 跨设备协同和规划 / 多模态数据的感知、多模态的交互以及与多个设备的协同联动等多个层面的能力
时政
( hub.baai.ac.cn)

1年前 • 九原客 • -- 点击 0 评论

8

3

2

2

一家法国的 AI 实验室 Kyutai，刚刚发布一个对标 GPT-4o 的开源实时语音多模态模型，能够听、说、看，而且从演示看，也可以随时打断，可以模仿法国口音说英语，可以说悄悄话。效果比 GPT-4o 要差一点，但是已经很接近了。
重要的是：
- 他们的模型训练管道和架构非常简单且具有很大的可扩展性，像
IT技术
( twitter.com)

1年前 • 宝玉 • -- 点击 • 下载视频 0 评论

00:08:57

9

2

1

1

推荐阅读：《多模态和多模态大模型 (LMM)[译]》
这是一篇相当详尽的讲述多模态和多模态大模型的文章！内容分为三部分。
* 第 1 部分围绕多模态的概念展开，讲述了使用多模态的原因、不同类型的数据模态以及多模态任务的种类。
* 第 2 部分深入探讨了多模态系统的核心原理，以 CLIP 和 Flamingo…
IT技术
( twitter.com)

2年前 • 宝玉 • -- 点击 0 评论

10

2

1

1

#AI开源项目推荐#：AudioGPT
这是一个借助大语言模型（LLM）处理音频的工具，可以：
- 生成音乐 🎶
- 背景音效 🎵
- 音频生成字幕 🎤
- 文字生成音频 🗣️
- 文字生成音频并模拟声音 📢
- 根据图片生成音频…
推特中文圈
( twitter.com)

2年前 • 宝玉 • -- 点击 0 评论

11

2

1

1

这个开源翻译项目今天在 Github 冲得太快了。它支持三种翻译模式：一问一答、对讲机模式、文本模式。需下载1.24GB翻译和语音识别模型，完全开源、免费和离线使用。目前只有 Android 端，有需要的朋友可以试试。
IT技术
( github.com)

1年前 • Geek • -- 点击 0 评论

12

2

1

1

可以拿这图去测试各大模型的多模态能力😄
IT技术
( twitter.com)

2年前 • 宝玉 • -- 点击 0 评论

13

3

2

2

来了嗷！全网首测！DeepSeek 4 小时之前又发布了一个多模态模型——Janus-pro！这个模型的特点是将文生图和图生文合二为一了！
我觉得这个模型更多是方向上的验证，如果验证靠谱就会推出可以投入生产的模型了。
[1/?]
时政
( twitter.com)

11个月前 • karminski-牙医 • -- 点击 • 下载视频 0 评论

00:01:38

14

3

2

2

目前英文 7B 规模的 SOTA 模型是 zephyr-7b-beta。它放弃了质量参差不齐的开源数据集，使用ChatGPT和GPT-4 全新标注了 UltraChat 和 UltraFeedback 数据集（已开源）。是 llama-index 项目实测出来唯一能够支持 Agent 的小参数模型。

与之相比，中文开源模型虽多，数据集却很少开源。
时政
( twitter.com)

2年前 • 九原客 • -- 点击 0 评论

15

2

1

1

DeepSeek来了，他开源了一款统一的多模态理解和生成的模型：Janus 1.3B
Janus核心是可以同时理解和生成文字、图像，它可以看懂图片和文字，还能根据描述画出图片来
时政
( twitter.com)

1年前 • AIGCLINK • -- 点击 0 评论

16

2

1

1

Notebook LM的本地开源复现款：open-notebook，最近上星非常猛
支持OpenAI、Anthropic、Ollama、LM Studio等16+模型商，提供嵌入、语音转文本、文本转语音等功能
播客发言人可以1-4 个，可以自定义配置
支持导入PDF、视频、音频、网页、Office等多种模态内容
#AI播客 #NotebookLM
时政
( twitter.com)

19天前 • AIGCLINK • -- 点击 0 评论

17

2

1

1

Meta ImageBind 多模态模型开源，我们离AGI又进一步。
当人类看到一辆行驶中的火车，不仅会使用视觉，还会听到声音，感知距离，感知速度。

ImageBind… …
IT技术
( twitter.com)

2年前 • orange.ai • -- 点击 0 评论

18

2

1

1

最新支持中文的开源模型个人向推荐（不同参数规模的）。
时政
( twitter.com)

1年前 • 九原客 • -- 点击 0 评论

19

2

1

1

# AI 开源模型分享
最强语音识别和说话人分离模型
Reverb 推出最强开源语音识别 (ASR) 和说话人分离 (Diarization) 模型, 评测结果击败 OpenAI 推出的 Whisper large-v3！
# Reverb ASR 模型
- 使用 20 万小时的人工转录数据训练
- 达到了最新的词错误率 (WER) 水平
- 支持可定制的逐字转录
#
时政
( twitter.com)

1年前 • meng shao • -- 点击 0 评论

20

2

1

1

🐶 Bark
开源的文字生成音频模型。
- 非常真实自然的语音
- 英文效果最佳，其他语言还欠佳
- 支持通过文本生成歌曲
- 支持生成背景噪音、简单的音效
- 支持大笑、叹息、哭泣
- 开源模型，自己可以下载玩，也可以去官方排队…
推特中文圈
( twitter.com)

2年前 • orange.ai • -- 点击 0 评论

21

2

1

1

一个新的开源移动端 ChatGPT 应用, 支持 GPT3, GPT4 & Gemini Pro 模型。
IT技术
( github.com)

1年前 • Geek • -- 点击 0 评论

22

2

1

1

你跟钢铁侠就差一块3090
微软开源JARVIS，又称大模型和他的朋友们
利用ChatGPT分析需求自动调用其他模型拆分解决任务的程序，微软开源了。
原理很简单，如实现多模态方法：
用户：图中有几个斑马。模型会分析需求调用图像识别…
推特中文圈
( twitter.com)

2年前 • nash_su • -- 点击 0 评论

23

2

1

1

Open AI 开源了一个新的 Whisper turbo 模型。
这是 Large v3 模型的蒸馏模型
运行速度提升了8倍
显存 (VRAM) 使用效率提高了40%
准确度仅有微小降低
太猛了，在使用Whisper的服务可以替换了。
IT技术
( twitter.com)

1年前 • 歸藏(guizang.ai) • -- 点击 0 评论

24

2

1

1

本周开源三件套
第二个 MPT-7B 开源商业可用LLM的新标准
- 包括base和三个微调模型，instruct，chat，写作
- 其中写作模型支持65k的上下文！是GPT4的两倍。（甚至支持到 84k 。）
- 包含了开源代…
推特中文圈

开源推荐
( twitter.com)

2年前 • orange.ai • -- 点击 0 评论

1
2
3
4
5
6
...
400
下一页

0.12217 Second , Gzip Enable.本网所有言论均来自网络，不代表本网站立场。联系方式: [email protected]

©2012.11.21 bad.news All rights reserved. 社区自动运营第 -- 年零 -- 天
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.

关注推特