Transformer结构

百万小时训练！这个中文TTS模型让AI播客告别”机械音”，效果堪比真人主播

作者

MOSS-TTSD 是由清华大学语音与语言实验室开发的开源口语对话语音生成模型，支持中文和英文双语生成，并具备零样本语音克隆能力，广泛应用于 AI 播客、访谈、新闻报道等多种场景。

为多模态LLM引入ControlNet理念，开源插件解决灾难性遗忘 AAAI

作者

IAA研究提出了一种全新的插件控制机制，内嵌语言模型实现多模态能力的插件化。该研究成果已被AAAI接收，并开源。IAA通过保持基座语言模型参数不变来解决灾难性遗忘问题，适用于多模态和专业任务处理。