Transformers.js 支持在浏览器中实现最先进的机器学习——无需服务器。它提供预训练模型和熟悉的 API，支持自然语言处理、计算机视觉、音频和多模态领域的任务。
借助 Transformers.js，开发者可以直接在浏览器中运行文本分类、图像分类、语音识别等任务，这使其成为 ML 从业者和研究人员的强大工具。
最近发布的 Transformers.js 2.7.0 添加了一项重要功能：文本转语音。
下面是演示视频：
开发者表示目前只支持 speecht5 的文本转语音，将来会添加其他模型，如 bark 和 MMS。
为了展示在浏览器中文本转语音的强大功能，开发者还发布了一个简单的示例应用：
输出语言 目前，SeamlessM4T 已在 CC BY-NC 4.0 许可下发布，以便研究人员可以在此基础上进行开发。与此同时，Meta 还发布了一个多模式翻译数据集 SeamlessAlign，包含 270,000 小时的语音和文本对齐。 Meta 表示，现有的语音
ChatGPT Voice。 OpenAI 于今年 9 月推出了基于 ChatGPT 的文本转语音功能 ChatGPT Voice——使用神经网络模型从文本生成类似人类的语音。该功能此前仅面向 ChatGPT Plus 订阅用户提供，现在向所有免费用户推出。 据介绍，C
Kdenlive 是一种基于 MLT 框架、KDE 和 Qt 的开源非线性视频编辑器，注重灵活性和易用性。该项目最初由 Jason Wood 在 2002 年开发 ，现在则有一个小团队的开发人员共同开发。如今，它已经成为了官方 KDE 项目的一部分。 Kdenlive 23.04
苹果公司在 WWDC 2023 发布了旗下的操作系统更新，比如 macOS Sonoma、 iOS 17 、watchOS 10 和 iPadOS 17 等。 其中 iOS 17 的更新主要包括几个方面，新的通信功能、新的输入功能、新的共享功能以及一些新的稀奇古怪的功能。 通信功能主
Plain-Text、Adobe Encore DVD）。 目前，Subtitle Edit 3.6.6 已发布，该版本更新内容如下： New 为 iTT 属性添加工具栏图标 添加新的子格式 在 UI 中关闭“word split list”的选项 自定义文本格式的自定义文件 ext 添加语音识别
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
更新后的 ONLYOFFICE 协作空间新增诸多实用功能，全平台实现多项优化功能。请继续阅读，了解所有更新。 ONLYOFFICE 协作空间是什么 ONLYOFFICE 协作空间是一款开源效率平台，让您与同事、团队成员、客户、合作伙伴、承
分变得更加容易。 Stability AI 将在未来几天把这些模型发布到 API 平台（platform.stability.ai）和 DreamStudio 上。 更多详情可查看：https://stability.ai/blog/stable-diffusion-v2-release
案、想故事。 上周清华大学新闻与传播学院沈阳团队发布《大语言模型综合性能评估报告》，报告显示，百度文心一言在三大维度 20 项指标中综合评分国内第一，超越 ChatGPT，其中中文语义理解排名第一，部分中文能力超越
文件管理功能、文件分享等 新增 站内消息功能、消息发布、查看 新增 消息提醒功能、未读已读消息列表、消息查看 新增 Editor 富文本编辑器的黑暗模式样式 新增 Upload 组件 是否上传附件验证例子 新增 Table 增加
领域带来的全新体验。 成立仅四个月，百川智能便相继发布了三款通用大语言模型。百川智能称，截止今日，Baichuan-7B/13B 两款开源模型在 Huggingface 下载量已突破三百万。 Baichuan-53B 在线体验：https://www.baichuan-ai.com/home 商汤
、watchOS 10 和 macOS Sonoma 在内的新系统。 硬件方面，苹果发布了 15 英寸的 MacBook Air、搭载 M2 Ultra 的 Mac Studio 以及 Mac Pro。此外，苹果还发布了其第一款 AR 眼镜 Apple Vision Pro。 本文对 WWDC23 全球开发者大会的内容作汇总： 苹
众所周知的最大贡献者之一。仅今年它就向人工智能社区发布了大量人工智能模型和训练数据集。其中包括针对编程任务优化的 Code Llama 大语言模型； 可实现数百种语言通用按需翻译的 SeamlessM4T 模型； 用于创作音乐和声音的生
和数据构成了 CLDR 和 ICU 版本的基础。 更多详情请查看发布公告。