Meta Voice 是一个小而强大的文本到语音模型，支持生成和语音克隆。该模型基于深度神经网络和自回归模型，可用于多种应用场景，如语音合成、语音助手等。此外，Meta Voice 还支持多种语言，包括英语、中文、日语等。...

LLM Steer是一个用于使用情感向量控制语言模型生成的库。这意味着您可以嵌入一个诸如“深思熟虑”的概念，并使生成变得更加深思熟虑。一般而言，它的效果要比提示更好，但需要进行更多的研究。

HuggingFace于近日发布了Haiku DPO数据集，旨在帮助AI模型写出正确的日本俳句。该数据集由多位专业诗人参与标注，包含数千条俳句及其正确的音律和形式，涵盖了从传统到现代的各个风格。据悉，该数据集可以用于训练和...

大多数音频生成技术使用扩散或自回归模型来生成声音。而这项研究并不使用多步骤或复杂的Transformer。相反，它使用了一个掩码语言模型来生成音频令牌。

有很多方式可以对齐语言模型，例如SFT、LoRa、RLHF、DPO、Prompting和Threatening。本研究提出使用负嵌入加到偏置项中，以将模型生成推向期望的结果。

Retrieval Augmented Generation（RAG）是一种将外部知识融入语言模型生成中的方法。RAGatouille库允许训练和研究最先进的RAG系统。它简化了研究人员的工作，使其能够更轻松地构建检索管道，并将其应用于语言生成领...

Midjourney V6已经发布alpha版。这个更新大大提高了图像质量，并使模型能够在图像中生成可读的文字。它还配备了全新的提示方式，更加敏感，更能理解用户。如果用户习惯于Midjourney V5提示，他们可能需要重新学习提...

Midjourney V6已经发布alpha版。此次更新大幅提高了图像质量，并使模型能够在图像中生成易读文本。它还配备了全新的提示方法，更加灵敏，更加擅长理解用户。如果用户习惯于Midjourney V5提示，他们可能需要重新学习...