阿里开源的声音克隆TTS重磅升级，CosyVoice2支持流式输出，更加流畅自然，用户。
阿里的CosyVoice2迎来重大升级，通过流式合成输出大幅降低语音识别和合成的延迟，提升软件、硬件交互体验。该模型支持多种语言及情感控制功能，已在多个开源项目中得到应用。
开源项目
用1100 行代码实现GraphRAG！
nano-graphrag 是一个仅1100行代码的开源项目，革新了知识图谱检索技术。它通过构建复杂网络关系，实现更智能、精准的信息检索，支持多后端兼容与异步操作，为开发者提供了友好使用方式和技术细节。
李飞飞AI巨制：一张图生成3D世界，玩家可自由探索，沉浸式人机对话Dippy，专为长视频描述而设计的系统StoryTeller
文章介绍了五项创新技术与工具，包括World Labs的3D场景生成、Dippy Empathetic Speech Subnet用于沉浸式对话、StoryTeller针对长视频描述的技术、ComfyUI-KLingAI-API让用户直接使用KLing AI API以及Flow作为轻量级任务引擎简化AI代理构建。