谷歌DeepMind发布Gemma 4开源模型系列,号称“逐字节最强”。该系列包含四款规格,覆盖从手机端到本地工作站的完整算力梯度,并采用Apache 2.0许可证,全面拥抱开源生态。

美团近日开源了LongCat-AudioDiT音频生成模型,该模型采用全新架构,直接在波形潜空间进行文本转语音,显著提升了说话人相似度指标,在多个测试集上超越了当前主流模型。

美团近日发布并开源了LongCat-AudioDiT音频生成模型,该模型采用全新架构,直接在波形潜空间进行文本转语音,显著提升了说话人相似度指标,在多个测试集上超越了当前主流模型。

美团近日发布LongCat-AudioDiT音频生成模型,采用波形潜空间直接建模,彻底抛弃传统梅尔谱中间表示,在零样本音色克隆上取得突破,说话人相似度指标提升至0.818,现已开源。