MeloTTS: Herramienta de síntesis de voz de alta calidad de MyShell AI, compatible con pronunciación mixta chino-inglés

xAI lanza Grok Vision: una nueva era de interacción visual e inteligente multilingüe

¡Gran actualización de Grok! Se lanzan funciones impactantes: capacidad visual, procesamiento de audio multilingüe y búsqueda en tiempo real

万卷·丝路 2.0: Conjunto de datos multimodales multilingüe de código abierto del Laboratorio de IA de Shanghai

El Laboratorio de IA de Shanghai ha publicado oficialmente el corpus multilingüe y multimodal "万卷·丝路 2.0", de código abierto. Este corpus añade tres idiomas con datos escasos (serbio, húngaro y checo) a los cinco idiomas existentes (árabe, ruso, coreano, vietnamita y tailandés). Abarca cuatro modalidades: texto, imagen, audio y vídeo, con un total de más de 11,5 millones de datos y más de 26.000 horas de audio y vídeo, convirtiéndose en un recurso importante en el campo multimodal de idiomas minoritarios.

ByteDance lanza Multi-SWE-bench, un nuevo estándar para la reparación automática de código multilingüe

En el mundo del desarrollo de software, la corrección de errores siempre ha sido un problema complejo. Ahora, el equipo del modelo Doubao de ByteDance tiene buenas noticias: han lanzado oficialmente el primer conjunto de datos de ingeniería de software (SWE) multilingüe: Multi-SWE-bench. Este nuevo conjunto de datos tiene como objetivo evaluar y mejorar la capacidad de los grandes modelos para reparar errores de código automáticamente. Multi-SWE-bench, en comparación con los conjuntos de datos monolingües anteriores, amplía significativamente el alcance de su aplicación. Este conjunto de datos no solo abarca Python...

ByteDance lanza MegaTTS3 en Hugging Face: un gran avance en la síntesis de voz ligera

Pekín: ByteDance ha lanzado recientemente su último modelo de texto a voz (TTS), MegaTTS3, en la comunidad de código abierto de inteligencia artificial Hugging Face. Este lanzamiento ha llamado rápidamente la atención de investigadores y desarrolladores de IA de todo el mundo, gracias a sus avances en diseño ligero y soporte multilingüe. Según los comentarios de la comunidad técnica y la información oficial, MegaTTS3 ha sido aclamado como un importante avance en el campo de la síntesis de voz. Los puntos clave de MegaTTS3 son MegaTT...

Sesame lanza el modelo CSM: la síntesis de voz con IA y personalización emocional en tiempo real alcanza nuevas cotas

El 13 de marzo, Sesame presentó su último modelo de síntesis de voz, CSM, generando gran interés en el sector. Según la información oficial, CSM emplea una arquitectura de aprendizaje multimodal basada en Transformer de extremo a extremo, capaz de comprender el contexto y generar voz natural y emotiva, con una calidad de sonido sorprendentemente realista. Este modelo admite la generación de voz en tiempo real, puede procesar entradas de texto y audio, y los usuarios pueden controlar parámetros como el tono, la entonación, el ritmo y las emociones, mostrando una gran flexibilidad. CSM se considera un avance significativo en la tecnología de voz con IA.

DeepSeek desmiente oficialmente: Los rumores sobre el lanzamiento del modelo R2 el 17 de marzo son falsos

Hoy, la empresa china de inteligencia artificial DeepSeek desmintió oficialmente a través de canales oficiales los rumores de que su próxima generación de modelos de IA, DeepSeek R2, se lanzaría el 17 de marzo. Anteriormente, circularon rumores en la plataforma X que afirmaban que DeepSeek R2 se presentaría a mediados de este mes, y que podría suponer un gran avance en la capacidad de programación, la inferencia multilingüe y la rentabilidad. Sin embargo, la cuenta oficial de atención al cliente de DeepSeek respondió claramente en un grupo de usuarios: "Desmentido: El lanzamiento de R2 es una noticia falsa", disipando por completo las especulaciones.

DeepSeek R2 podría lanzarse el 17 de marzo y desafiar a Claude Sonnet 3.7

Según las últimas noticias en X, el próximo modelo de IA de DeepSeek, DeepSeek R2, podría lanzarse oficialmente el 17 de marzo. Esta noticia ha generado un gran interés en la industria, y muchos creen que este nuevo modelo podría representar un desafío significativo para los gigantes de la IA existentes, como Claude Sonnet 3.7 de Anthropic. Según una publicación del usuario de X tanvitabs en la madrugada de hoy, DeepSeek R2 afirma haber logrado avances en varias áreas clave, incluyendo una mejor...

AI21 Labs lanza Jamba 1.6: Superando los límites del procesamiento de textos largos y con soporte para múltiples idiomas

AI21 Labs ha lanzado Jamba 1.6, una actualización que amplía significativamente la capacidad de procesamiento de textos largos y admite una variedad de idiomas. Esta mejora permite analizar y comprender documentos extensos con mayor precisión y eficiencia.

¡Gran avance en la IA de avatares digitales! Hedra lanza Character-3 y Hedra Studio: inferencia conjunta de imagen, texto y audio

Hedra ha presentado Character-3 y Hedra Studio, dos innovaciones que marcan un hito en la tecnología de avatares digitales. Estos avances permiten la inferencia conjunta de imagen, texto y audio, abriendo nuevas posibilidades para la creación de experiencias inmersivas y realistas en diversas aplicaciones.