MiniMax Audio 正式发布了全新的 Speech-02 系列语音模型，支持将任何文件或 URL 转换为逼真的音频。用户只需一次输入，即可轻松创建有声读物和播客，最多可输入 20 万个字符，支持 30 多种语言的音频生成，效果自然流畅。
Speech-02 模型支持 30 多种语音，一次性可以输入 20 万字符。为用户带来更真实、更流畅、更便捷的音频体验。
据官方介绍，该系列在多语言覆盖能力上实现了显著提升，能够更准确、更地道地呈现多种语言的发音。Speech-02的人声相似度高达99%，这意味着合成的语音听起来更加自然、贴近真人。
此外，该模型还实现了零节奏故障，彻底解决了音频播放过程中可能出现的卡顿和节奏不稳问题，保证了听感的连贯性和流畅性。
使用地址：https://www.minimax.io/audio
MiniMax 稀宇科技宣布旗下 MiniMax Audio 上线了「Voice Design 音色设计」功能。 音色的维度一般分成音频质量、发声方式、情感基调以及人物画像。该功能根据用户对音色需求的描述，模型自动拆解成音色相关的描述信息，并根据上
有消息称，AI独角兽稀宇科技 (MiniMax) 正考虑在香港进行首次公开募股（IPO）。 对此，有接近MiniMax的知情人士向澎湃新闻记者表示，MiniMax内部确实有类似想法，但目前仍处于初步筹备阶段。 官网介绍显示，MiniMax 是全球领先
MiniMax 宣布开源 MiniMax-M1 模型，据称是全球首款开放权重的大规模混合注意力推理模型。 开源地址： https://huggingface.co/collections/MiniMaxAI/minimax-m1-68502ad9634ec0eeac8cf094 https://github.com/MiniMax-AI/MiniMax-M1 模型亮点： 模型采用 M
模型） 三家上海企业机构：商汤（日日新大模型）、MiniMax（ABAB大模型）、上海人工智能实验室（书生通用大模型） 下面是 8 款 AI 大模型（及产品）的简介和链接： 百度（文心一言） 文心一言（英文名：ERNIE Bot）是
，再送进LLM进行对应的下游任务，如语音识别（Automatic Speech Recognition，ASR）、语音翻译（Automatic Speech Translation，AST）等。 在模型训练阶段，融合了语音模态和文本模态的数据会按以下形式输入到LLM： 项目团队将MooER与多个
通义千问团队开源音频语言模型 Qwen2-Audio。这是 Qwen-Audio 的下一代版本，它能够接受音频和文本输入，并生成文本输出。具有以下特点： 语音聊天：用户可以使用语音向音频语言模型发出指令，无需通过自动语音识别（ASR）
MiniMax 宣布推出视频生成大模型 Hailuo 02，这个模型支持文生视频，图生视频，甚至添加人物照片作为索引来生成人物在其他场景内互动的视频。 MiniMax 放出的视频案例中，展现了喷火、钻火圈、连续后空翻、高空走钢丝等超高
Minimax近日上线了AI Agent功能。该功能目前可通过特定网址访问，并且当前内测阶段免费向用户提供使用。 https://agent.minimax.io/ 内测页面显示，用户可自行选择“标准”或“深度”两种模式，输入任务并交由MiniMax Agent执行。其
异步工作负载。 OpenAI 表示， Flex 处理是 OpenAI 最近发布的 o3 和 o4-mini 推理模型的测试版，旨在处理模型评估、数据丰富和异步工作负载等低优先级和 “非生产” 任务。 它将 API 成本降低了整整一半。对于 o3，Flex 处理价
文“LLaSM: Large Language and Speech Model”与最近正式在 arXiv 上发布。论文的署名组织包括：LinkSoul.AI、北京大学和 01.ai (零一万物)，其中共同一作 Yu Shu 和 Siwei Dong 均来自 LinkSoul.AI。 LinkSoul.AI 是一家 AI 初创公司，曾推出过首个开源 L
MiniMax宣布旗下视频创作Agent产品——Hailuo Video Agent已开放Beta版本。 据介绍，在Hailuo Video Agent中，为了提供足够大的创意空间，且保证好的质量， MiniMax 做了以下设计： 抛弃传统工作流+节点的工具模式，通过LLM语言模型的
TensorFlow 2.10 已经发布，此版本的亮点包括 Keras 中的用户友好功能，可帮助开发转换器、确定性和无状态初始化程序、优化器 API 的更新以及帮助加载音频数据的新工具。 此版本还通过 oneDNN 增强了性能，在 Windows 上扩展了 GPU
- hemeda3 Multi-modality support for OpenAI AWS Bedrock claude3 MiniMax - mxsl-gr ZhiPu - mxsl-gr Azure Open AI image generation - bmoussaud 更新模型 OpenAI - 支持 GPT4o 和多模态 Google Gemini Pro 1.5 pro、flash 等 Anthropic function calling Oll
站，聊聊 AI 大模型与底层技术 >>> StaxRip v2.27.0 现已发布。StaxRip 是一个开源的视频转换工具，可以将蓝光光盘或 DVD 中的视频转换成 PC 常用的视频格式，具有一系列解复用器，复用器，编码器和解码器。需要在 .NET Framew