表情、声音、说话风格一键复刻!

合集 · 通义前哨站 (71)

  1. 1:02:05
    【直播回放】ICLR 2025论文解读(上)——通义实验室篇
  2. 1:11
    智能体工作流评估新框架:WorFBench
  3. 1:20
    这是通义千问的来时路。
  4. 15:23
    从单图到可驱动3D数字人生成技术讲解
  5. 1:15
    有人问Qwen2.5-Omni 和VL的区别?
  6. 1:27:46
    【直播回放】ICLR 2025论文解读(下)——通义实验室篇
  7. 2:03
    通义万相2.1的3D VAE是什么?
  8. 1:29
    多模态大模型解题新思路:mPLUG-Owl3
  9. 0:42
    行业首发全栈MCP服务,尽在百炼平台~
  10. 1:29
    通义万相2.1首尾帧生视频模型开源
  11. 1:23
    【玩转MCP】手把手教你自定义部署MCP服务
  12. 1:23
    【玩转MCP】手把手教你搭建专属MCP Agent
  13. 1:57
    超写实3D数字人大模型(LAM)技术报告解读
  14. 1:34
    表情、声音、说话风格一键复刻!
  15. 0:23
    我们为千行百业而来。
  16. 0:40
    Qwen3 来了!
  17. 1:20
    Thinking Budget:让大模型灵活思考
  18. 0:56
    Qwen3+MCP带来哪些新场景?
  19. 1:00
    太好了,是Qwen的Deep Research,我们有救了
  20. 1:07
    通义万相视频编辑统一模型VACE开源发布
  21. 10:01
    【直播回放】通义万相视频编辑统一模型VACE开源
  22. 2:14
    如果有Wan Day,它会是什么样子?
  23. 2:42
    ZeroSearch:无需真实搜索也能激发模型搜索能力
  24. 3:24
    今天来复习一下Qwen2.5-VL技术报告!
  25. 3:15
    ParScale:一种全新的大模型Scaling Law
  26. 2:01
    大模型如何持续进化,实现精准检索?
  27. 59:14
    【直播回放】Qwen3-Embedding模型深度解析
  28. 2:40
    语音识别怕噪声?CoGenAV 来破局!
  29. 0:37
    在这里,了解通义千问的一切
  30. 1:36
    微表情捕捉、潜台词翻译,AI“读心专家”就位!
  31. 1:47
    理解画面捕捉细节,你的AI音效师来啦!
  32. 5:03
    框架开源,无需邀约,即刻体验!
  33. 0:57
    Qwen Vlo|描绘你关于世界的想象
  34. 1:51
    10分钟,打造你的专属实时语音交互应用!
  35. 1:41
    手机也能跑 Qwen3?手把手教你部署!
  36. 1:10
    一句话玩转网页开发!
  37. 1:04:15
    【直播回放】Ask Qwen3 Anything 2025年04月30日10点场
  38. 52:16
    如何让AI有理有据地识别情绪?
  39. 5:10
    来吧,上船,起航!
  40. 1:16
    👂听说,Qwen3-Coder其实也能听懂大白话?
  41. 1:57
    人人都是大导演!通义万相2.2来了!🤩
  42. 1:05
    Github 5K+🌟WebAgent研究团队新作:WebShaper来啦
  43. 1:57
    书画双全!Qwen-Image开源🖌
  44. 2:04:47
    【直播回放】Qwen-Image技术报告解读和模型实战攻略01
  45. 1:05
    音画传情 声启万相
  46. 3:39
    什么呀?语音识别现在也要调监控啦🧐?
  47. 4:03
    AgentScope1.0:终结智能体黑盒🗃️,打造生产级可控应用
  48. 1:41
    🎙️ 开麦即真:CosyVoice 全面升级
  49. 1:20
    不止入戏,更能入景🎬
  50. 2:35
    说得更好、更准、更自然:Qwen3-TTS上线
  51. 6:55
    原生全模态不降智
  52. 2:03
    Qwen3-VL 看懂、理解并响应世界
  53. 0:58
    多图编辑进化,万物皆可一键“同框”!
  54. 0:41
    大就是好!Qwen3-Max 正式亮相
  55. 0:41
    通义万相2.5:一句指令,玩转图像魔法
  56. 0:44
    别让声音困住你的效率
  57. 0:47
    通义万相2.5:一句话实现“Vibe PSing”!
  58. 0:48
    通义万相2.5:让声音当你的视频“导演”!
  59. 1:21
    通义万相2.5:让画面“声”动起来!
  60. 0:54
    通义万相2.5:能听懂,也能准确执行!
  61. 4:52
    Qwen3-Omni API上新:声形意合,令出智随
  62. 1:15
    Fun-CosyVoice 3 重磅升级|更快、更准、更强表达力
  63. 1:21
    Fun-ASR 全新升级|企业级抗干扰
  64. 0:39
    「通义万相2.6」来啦!所有角色,听我指挥
  65. 0:51
    Qwen-Image-Layered:下一代图像生成基础模型 🚀
  66. 0:55
    进来复习!是谁8步推理1秒出图
  67. 1:39
    【能干活的高情商语音搭子】
  68. 3:19
    Qwen3-TTS上新,支持跨物种克隆音色!
  69. 0:57
    Qwen-Image-2512 正式开源发布!
  70. 1:16
    除夕!Qwen3.5来了!
  71. 2:53
    Qwen-Audio-3.0-Realtime 发布:懂倾听,更聪明的实时语音方案
Description
只需上传一段参考视频,即可实现视频生成。不仅能学会参考视频中人物的表情和声音,还能模仿说话风格。
OmniTalker采用了双分支扩散变换器架构,通过音频分支合成Mel频谱图,视觉分支预测细粒度头部姿势和面部动态。其次,为了实现跨越模态,OmniTalker引入了一个新颖的音频-视觉融合模块,以确保音频和视觉输出之间的时序同步和风格一致性。
实验结果表明,OmniTalker在生成质量上优于现有方法,特别是在风格保持和音频-视频同步方面表现出色,同时还保持着实时预测效率。
该模型已在魔搭社区、HuggingFace 开放体验入口,欢迎前往体验。
GitHub地址:https://github.com/HumanAIGC/omnitalker

Comments

十字鱼 2025-04-24

那么,什么时候开源呢?

♥ 12 ↩ 5

银河第二悬臂 2025-04-24

催更Qwen3,五一前能上线吗?我想五一爽玩Qwen3。

♥ 9 ↩ 1

Earthquakes地震 2025-04-24

😊🙂😢😧😨😥😟🙁😯😄

♥ 3

Salmonね 2025-04-24

扩散变换器😂为什么这种报告不能直接说DiT这种专业名词吗

♥ 3 ↩ 5

楚门的AI世界 2025-04-24

在线等,挺急的[doge]

♥ 1 ↩ 1

StevenJokes 2025-04-24

坏了这回赛博要饭更多了[大哭]

♥ 1

郝朋友的AI进化论 2025-04-26

点赞,真开源就牛了

♥ 1

Guanyc 2025-04-24

支持 中文和日文等语言吗?

♥ 1

孙炳军 2025-05-30

Your space is in error, check its status on hf.co

↩ 1

李东远 2025-05-14

omnitalker在魔搭社区发布

反恐精嘤雄联盟 2025-05-19

如开[doge]

ChrisIpanema 2025-04-28

现在生成速度怎么慢了这么多??

健康快乐的66 2025-05-06

被鸽的项目4

健康快乐的66 2025-05-06

被鸽的项目5

健康快乐的66 2025-05-06

被鸽的项目3

健康快乐的66 2025-05-06

被鸽的项目2

健康快乐的66 2025-05-06

被鸽的项目1

绯雪不满链不改名 2025-04-24

manus中文版什么时候上,我的通用AI什么时候出现