logo logo
  • 首页
  • 人工智能
  • 生活
  • 科技
  • 行业分析
  • 财经
  • 首页
  • 人工智能
  • 生活
  • 科技
  • 行业分析
  • 财经
新闻是历史的初稿。——菲利普·格雷厄姆
评论是自由的,事实是神圣的。——C.P.斯科特
速度很重要,但准确永远第一。——编辑室原则
  1. 首页
  2. 标签
  3. TTS
美团发布LongCat-AudioDiT音频生成模型,零样本音色克隆能力再突破

人工智能 美团发布LongCat-AudioDiT音频生成模型,零样本音色克隆能力再突破

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。

116次阅读 0个评论
人工智能 2026-04-02
美团开源LongCat-AudioDiT音频生成模型,零样本音色克隆再突破

人工智能 美团开源LongCat-AudioDiT音频生成模型,零样本音色克隆再突破

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。

119次阅读 0个评论
人工智能 2026-04-02
美团发布LongCat-AudioDiT音频生成模型,说话人相似度达0.818并开源

科技 美团发布LongCat-AudioDiT音频生成模型,说话人相似度达0.818并开源

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。

125次阅读 0个评论
科技 2026-04-02
微软推送 Win11 多版本预览版:Unicode 17.0 文本支持与“云重建”入口上线

微软推送 Win11 多版本预览版:Unicode 17.0 文本支持与“云重建”入口上线

微软向 Windows Insider 的 Beta 与 Experimental 频道推送多个 Windows 11 预览版,带来 Unicode 17.0 文本渲染支持、设置主页性能优化,并在恢复设置中新增“云重建”入口。
谷歌 Gemini 4 Argon 亮相:18 项基准拿下 12 项第一,执行类任务却掉队

谷歌 Gemini 4 Argon 亮相:18 项基准拿下 12 项第一,执行类任务却掉队

谷歌时隔近十个月推出新旗舰 Gemini 4 Argon,不再沿用 Pro 之名。它在知识工作与安全测试上成绩抢眼,但在需要持续操作执行的任务中落后于 OpenAI 和 Anthropic。
领导层洗牌后,Argon能否助谷歌重回前沿?

领导层洗牌后,Argon能否助谷歌重回前沿?

谷歌DeepMind在领导层调整后推出Gemini 4首款旗舰模型Argon,以100万Token输出上限和更激进的定价切入企业场景,但部分基准落后与实战质疑,让这场反击仍充满变数。
DeepSeek开源昇腾全套基础设施:这不是适配,是一次“搬家”

DeepSeek开源昇腾全套基础设施:这不是适配,是一次“搬家”

国庆假期前夕,DeepSeek把面向华为昇腾的编译工具、计算库与通信库整体开源,与英伟达平台组件一一对应。从算力约束到TileLang路线,这一步的分量远超普通适配。
AI杀不死咨询公司:埃森哲增长背后的行业变局

AI杀不死咨询公司:埃森哲增长背后的行业变局

埃森哲2026财年收入继续增长,AI并未让咨询业萎缩。传统人力模式承压,但企业AI改造带来数据、系统、流程与长期运营需求,下一代咨询公司比拼的是系统整合与持续服务能力。
人工智能
体育
数字化转型
未分类
未来科技
测试
生活
科技
科技前沿
科技新闻
行业分析
行业趋势
财经
财经动态

归档

  • 2026 年 10 月 (85)
  • 2026 年 9 月 (717)
  • 2026 年 8 月 (550)
  • 2026 年 7 月 (683)
  • 2026 年 6 月 (715)
  • 2026 年 5 月 (750)
  • 2026 年 4 月 (1091)
  • 2026 年 3 月 (302)
 Theme by Puock