首页站长资讯AI日报：字节推王炸级语音生成模型Seed-TTS；Suno新功能被Udio抢跑；腾讯发布开源混元DiT加速库；即梦全量上线实时画布功能

AI日报：字节推王炸级语音生成模型Seed-TTS；Suno新功能被Udio抢跑；腾讯发布开源混元DiT加速库；即梦全量上线实时画布功能

站长网2024-06-06 21:07:540阅

欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。

新鲜AI产品点击了解：https://top.aibase.com/

1、字节推语音生成模型Seed-TTS 擅长感情控制，声音与真人无异

这篇文章介绍了字节跳动团队提出的新型语音生成模型Seed-TTS，该模型基于自回归Transformer架构，具有极高的语音质量和表现力，难以区分与人类语音的差异。它在情感控制、小说配音和跨语言内容创作等方面表现出色，通过自我蒸馏和强化学习技术提升了发音的自然性和可控性。Seed-TTS在语音合成领域带来了显著进展，为未来的语音合成技术开辟了新的可能性。

【AiBase提要：】

🎯 字节跳动团队推出新型语音生成模型Seed-TTS，能生成自然且表现力丰富的语音。

🎯 情绪控制方面表现出色，能够调整生成语音的情感属性，以及语调和说话风格

🎯 能够模拟复杂的情感和语境，特别适合用于小说朗读、视频配音等场景。

产品地址：https://top.aibase.com/tool/seed-tts

2、Stability AI发布AI音频模型Stable Audio Open

Stable Audio Open是Stability AI推出的开源文本转音频模型，可生成长达47秒的音频样本和音效，适用于音乐制作和声音设计。用户可以创建鼓点、乐器乐段、环境声音等音频元素，支持音频变化和风格转换。模型提供了稳定的音频生成质量和长度，用户可根据自定义音频数据微调模型，提高生成音频的质量和可控性。

【AiBase提要:】

🔊 Stable Audio Open是开源的文本转音频模型，生成长达47秒的音频样本和音效

🎶 模型支持创建鼓点、乐器乐段、环境声音等音频元素

🔧 用户可根据自定义音频数据微调模型，提高生成音频的质量和可控性

详情链接:https://top.aibase.com/tool/stable-audio-open-1-0

3、Suno新功能被Udio抢跑上传任意音频Udio自动帮延长创作

这篇文章介绍了Suno原本计划推出的新功能被竞争对手Udio抢先发布的情况。Udio推出了一系列更新，帮助用户上传音频片段并自动解析旋律和和弦，创作出美妙的音乐，并提供了多项便利功能。

【AiBase提要】

🎵 Udio发布了一系列更新，用户只需上传任意音频片段，Udio就会帮你解析旋律和和弦，分分钟给你创作出一首美妙的音乐。

🎵 提供了丰富的提示词汇和灵感来源，帮助用户扩展音乐想法和寻求创作灵感。

🎵 注意，目前该功能仅对付费用户开放

产品入口：https://top.aibase.com/tool/udio

详情点此查看：https://mp.weixin.qq.com/s/QO_ucbMUD-6UJ1gs_j340A

4、Adobe更新隐私条款意味着有权将用户作品用于训练AI

Adobe最近更新了隐私条款，引发用户关注和担忧。用户担心设计作品失去隐私，可能被用于训练人工智能或内容审查，可能导致设计师与客户信任破裂，影响职业发展。引发个人隐私权和知识产权保护讨论。

【AiBase提要:】

🔍 Adobe要求用户同意新使用条款，包括访问用户创作内容的权利。

🔍 设计师和艺术家作品可能失去隐私，用于训练人工智能或内容审查。

🔍 更新后的Adobe隐私条款引发用户对设计工作隐私的担忧。

详情：https://www.chinaz.com/2024/0606/1621769.shtml

5、腾讯混元发布开源文生图大模型混元DiT加速库

腾讯混元发布了针对开源文生图大模型混元 DiT 的加速库，可将推理时间缩短75%，生图时间大幅缩短。用户可通过三行代码调用模型，无需下载原始代码。腾讯混元表示将继续优化混元 DiT 的开源生态，共建视觉生成开源生态，推动大模型行业发展。

【AiBase提要:】

🚀 加速推理时间缩短75%

💻 三行代码调用模型，无需下载原始代码

🌱 共建视觉生成开源生态，推动大模型行业发展

详情链接:https://dit.hunyuan.tencent.com/

6、MiGPT项目：将小爱音箱接入ChatGPT和豆包

MiGPT项目将小爱音箱、米家智能设备与ChatGPT技术相结合，创造智能贴心的家庭助手，实现家庭自动化并建立情感联系。项目主要亮点包括LLM回答、角色扮演、流式响应、长短期记忆、自定义TTS和智能家居Agent。项目提供两种启动方式以适应不同用户需求，配置参数需用户自定义以确保连接正常。

【AiBase提要:】

🤖 小爱音箱利用ChatGPT等大型语言模型回答问题，提供信息和帮助。

👩‍💼 小爱音箱能根据场景和用户需求快速切换角色，如完美伴侣或贴心闺蜜。

🔊 系统即时响应用户指令，提供流畅交互体验，记忆对话历史使对话更自然默契。

详情链接:https://top.aibase.com/tool/migpt

7、猿辅导旗下 AI 设计工具 Motiff 妙多全球发布

Motiff 妙多是一款定位为 AI 时代设计工具的界面设计软件，通过 AI 技术优化设计流程，提高生产效率，为用户带来前所未有的设计体验。该软件带来多项创新，包括 AI 复制、AI 布局、AI 设计系统创建、AI 设计系统维护、AI 一致性检查等多个 AI 功能，是国内首个自研图形渲染引擎的界面设计软件。

【AiBase提要:】

🚀 Motiff 妙多通过 AI 技术优化设计流程，提高生产效率，为用户带来前所未有的设计体验。

🎨 软件带来多项创新，包括 AI 复制、AI 布局、AI 设计系统创建、AI 设计系统维护、AI 一致性检查等多个 AI 功能。

💡 Motiff 妙多展示了 AI 工具箱、AI 设计系统和 AI 实验室，有效提升了界面设计行业的生产力。

详情链接:https://top.aibase.com/tool/motiff-miaoduo

8、即梦全量上线实时画布功能

即梦宣布全量上线实时画布功能，用户可以通过简单涂抹形状并添加提示词定制图像，让AI画图更可控。保存为新图层后可继续优化，定稿后保存为图片。

【AiBase提要:】

🎨 实时画布功能让用户简单涂抹形状并添加提示词定制图像，提高用户体验。

🖌️ 通过大致画出形状，用户可以获得定制化的图像，满足用户需求。

💡 保存为新图层后可继续调整优化，提升图像质量。

详情链接:https://top.aibase.com/tool/jimengdreamina

9、谷歌AI概览功能触发频率大幅下降

谷歌的人工智能概述现在只在不到15%的查询结果中显示，与过去84%的情况相比发生了显著变化。人工智能在搜索结果中的呈现方式经历了调整，以提高搜索质量。文章指出人工智能在搜索中的作用不断演进，虽然概述功能减少，但人工智能在搜索中的应用是不可避免的变化。

【AiBase提要:】

⭐ 谷歌AI概览在查询结果中的触发频率从84%下降至不到15%

⭐ 谷歌减少了人工智能引文与传统搜索结果的重叠，提升搜索质量

⭐ 人工智能在搜索中预测并展示后续问题，搜索者进行多次查询

10、研究人员开发出能识别运动员情绪的人工智能

研究人员利用计算机辅助神经网络成功从网球运动员的肢体语言中准确识别出情绪状态，展示了人工智能在情绪识别方面的潜力。然而，这项研究也引发了伦理问题，需要明确相关法律和道德问题。

【AiBase提要:】

🔍 人工智能可以准确识别网球运动员的情绪状态，展示了与人类观察者相媲美的能力。

🔍 使用实际比赛数据训练人工智能模型，提高了情绪识别的准确率。

🔍 情绪识别技术可在多领域应用，包括训练改进、团队动力提升和早期负面情绪检测。

11、Ouroboros3D：通过3D感知实现图像到3D的生成

Ouroboros3D是一个集成了多视角图像生成和3D重建的统一3D生成框架。通过递归扩散过程，实现了从图像到3D的生成。研究人员提出的这种新方法具有多个优点，包括生成更多样化和真实的视角图像，减少噪声和失真，提高生成效率。实验证明Ouroboros3D生成的3D模型具有更好的细节和准确性，接近真实的3D场景。