OCTAVE 是什么
OCTAVE（Omni-Capable Text and Voice Engine）是Hume AI推出的新一代语音语言模型，结合EVI 2模型和OpenAI、Elevenlab、Google Deepmind等系统的能力。OCTAVE能从简短提示或录音中生成个性化的声音和特质，包括语言、口音、情感等特征，支持实时互动和多角色对话。OCTAVE在语言理解任务上的表现与同等规模的前沿大型语言模型相当，提供更丰富、真实的AI交流体验。
OCTAVE – Hume AI推出的语音语言模型
来源：爱论文 时间：2025-01-21 13:40:20
相关资讯
更多+
-
OCTAVE – Hume AI推出的语音语言模型OCTAVE（Omni-Capable Text and Voice Engine）是Hume AI推出的新一代语音语言模型，结合EVI 2模型和OpenAI、Elevenlab、Google Deepmind等系统的能力。OCTAVE能从简短提示或录音中生成个性化的声音和特质，包括语言、口音、情感等特征，支持实时互动和多角色对话。
AI教程资讯
2023-04-14
-
Granite 3.1 – IBM 推出的新版语言模型Granite 3 1是IBM推出的新一代语言模型，具有强大的性能和更长的上下文处理能力。Granite 3 1模型家族有 4 种不同的尺寸和 2 种架构：密集模型2B和8B参数模型，总共使用 12 万亿个token进行训练。专家混合MoE模型：稀疏1B和3B MoE 模型，分别具有 400M 和 800M 激活参数，总共使用 10 万亿个token进行训练。
AI教程资讯
2023-04-14
-
Sketch2Sound – Adobe 联合西北大学推出的AI音频生成技术Sketch2Sound是Adobe 研究院和西北大学推出的AI音频生成技术，能基于声音模仿和文本提示生成高品质音效。Sketch2Sound从声音模仿中提取响度、亮度和音高三个控制信号，将控制信号编码后用于条件文本到声音的生成系统。
AI教程资讯
2023-04-14
-
OmniAudio-2.6B – Nexa AI推出的端侧多模态音频语言模型OmniAudio-2 6B是Nexa AI推出的音频语言模型，专为边缘部署设计，能实现快速且高效的音频文本处理。OmniAudio-2 6B是具有2 6亿参数的多模态模型融合Gemma-2-2b、Whisper Turbo和定制的投影模块，优化自动语音识别和语言模型的集成，减少延迟和资源消耗。
AI教程资讯
2023-04-14
下载
热门推荐
更多+
AI专辑
热门专辑
- SPAR3D – Stability AI等机构推出的单试图重建 3D 网络模型 01-13
- 星火纪要 – 科大讯飞推出的会议交流总结和分析平台 01-13
- Agent Laboratory – AMD 联合约翰·霍普金斯大学推出的自主科研 Agent 01-13
- 日日新融合大模型 – 商汤科技推出的原生融合模态大模型 01-13
- LatentSync – 字节联合北交大开源的端到端唇形同步框架 01-15
- Diff-Instruct – 从预训练扩散模型中迁移知识的通用框架 01-20
- Search-o1 – 人大联合清华推出自主知识检索增强的推理框架 01-13
- rStar-Math – 微软推出的小模型复杂推理与自进化SLMs的创新技术 01-13
- Mobile-Agent – 自主多模态移动设备代理，通过视觉感知实现智能化手机操作 01-14
- CHRONOS – 阿里通义联合上海交大等推出时间线摘要生成新框架 01-14
AI工具推荐
更多+
