一个完全开源的可以控制家里电脑的AI语音设备O1，介绍视频已翻译。它可以看到你的屏幕内容学习使用你常用的应用，并且你无论在哪都能让它帮你操作电脑完成任务。用户只需按下按钮、讲话，然后系统会思考并回应用户的需求。
这个设备的CAD文件、电路设计、代码完全是开源的，有能力的开发者可以直接制作这个设备。
灵感来自Andrej Karpathy 的 LLM 操作系统，10月份他的LLM科普视频含金量还在上升。O1运行一个代码解释语言模型，并在计算机内核发生特定事件时调用它。
项目地址：https://github.com/OpenInterpreter/01
原创文章，作者：校长，如若转载，请注明出处：https://www.yundongfang.com/Yun291824.html
微信扫一扫不于多少！
支付宝扫一扫礼轻情意重
VoiceCraft：超过XTTS的语音模型 VOICECRAFT模型介绍： VOICECRAFT是一个先进的神经编解码语言模型，专门用于语音编辑和零样本文本到语音（TTS）任务。…
如何创建能够拨打和接听电话的会说话的 AI 助手 在当今快节奏的商业世界中，自动化潜在客户培育流程可以显着提高效率和生产力。通过利用人工智能驱动的语音助手和 Zapier 等无代码…
Microsoft此前宣布弃用Windows Speech Recognition（WSR）和其他几个应用程序。令人惊讶的是，新的语音访问应用程序现在将于 2024 年 9 月取代…
最先进的封闭模型将继续以显著优势胜过最先进的开放模型 当今人工智能讨论中的一个重要话题是围绕开源和闭源人工智能模型的辩论。虽然大多数尖端人工智能模型开发者——如OpenAI、Goo…
Microsoft 将在即将发布的 Windows 11 中结束对 Windows 语音识别功能的支持。借助语音识别，您可以教操作系统理解您的声音并打开应用程序或口述命令，但现在是…
ChatGPT 的语音功能现已面向所有免费用户开放。意味着无需支付任何费用，就能与 ChatGPT 进行自然的对话，体验犹如与真人交流一般的奇妙互动。 在 Google Play …
Runway ：上线文字生成语音功能 尝试了一下英文的效果真的很好，感情很丰富自然。中文还是老问题，有外国人口音，这块可能不能指望外国公司了。这个功能可以选的语音模型非常多，可以都…
阿里开源视频生成模型2VGen-XL 阿里之前11月发布了论文要开源的I2VGen-XL图像生成视频模型，终于发布了具体的代码和模型。演示里面没有人物大幅动作的视频。 I2VGen…
UVR5 （Ultimate Vocal Remover）是目前最优秀的人声伴奏分离工具之一，而且开源免费 开源地址：https://github.com/Anjok07/ulti…
Meta 本月推出了一款名为 AudioBox 的新 AI 声音发生器，它将改变我们与声音互动的方式。这个创新工具允许用户使用简单的文本提示轻松将文本转换为语音、创作音乐和创建声音…
在移动设备领域，苹果的iPhone是先驱，将尖端技术与用户友好的设计无缝集成。这种集成的核心是 Siri，这是 Apple 的创新语音助手。Siri 彻底改变了用户与 iPhone…
TurnVoice 是一个命令行工具，可以转换和翻译 YouTube 视频中的声音。它提供了语音转换和语音翻译的功能，可以替换特定的发言人声音，支持本地文件处理，并保留原始背景音频…
你有一本想变成有声读物的书吗？或者其他需要您提供画外音的项目，例如媒体内容、视频、营销材料等？加快编辑和创作工作流程的一种可能方法是使用人工智能 （AI） 克隆您的声音。 Desc…
语音消息是简单文本消息的一个很好的替代品。但是，每次收到私人语音消息时，摸索耳机可能会很累。如果你是Telegram用户，幸运的是，有一个简单的出路。Telegram 现在可以自动…
Google AI 的研究人员开发了一种名为 Translatotron 3 的新 AI 模型，可以将口语从一种语言翻译成另一种语言，而无需任何并行语音数据。这可以把你变成一个实时…
在不断发展的人工智能 （AI） 世界中，有很多关于我们应该如何构建和共享 AI 技术的讨论。经常讨论两种主要方法：开源 AI 和专有 AI。最近的一项实验将名为 Orca-2-13…
ElevenLabs本周以Speech to Speech的形式发布了其人工智能语音操作和增强工具系列的新功能。使其 AI 模型能够捕捉您声音的独特品质并以数字方式复制它，从而创建…
随着 Huggingface 上可用的大型语言模型 （LLM） 数量的增加，关注专有模型和开源模型之间的区别对于 AI 爱好者和企业理解至关重要。 专有 LLM 由有使用限制的公司…
ChatGPT将语音功能开放给所有免费用户，成为在人员大震动之后的首个重要更新。用户只需下载最新版本的客户端，即可直接体验这一引人瞩目的语音功能。为用户提供更加多样化、自然的交互体…
OpenAI 对其 ChatGPT 平台进行了重大更新，使所有用户都可以免费使用语音功能。这一重大增强功能允许用户使用语音与 ChatGPT 互动，这是以前仅限于付费订阅者的功能。…
这是一个基于VITS的简单易用的语音转换（变声器）框架，本项目具有以下特点： •使用top1检索替换输入源特征为训练集特征来杜绝音色泄漏•即便在相对较差的显卡上也能快速训练•使用少…
微软推出开源的开发者工具Dev Home（下载链接和项目地址见下推），可以连接到GitHub账号，将开发环境部署自动化，并带来为开发人员定制的新存储卷Dev Drive，可以将高I…
Distil-Whisper：比Whisper快6倍，体积小50%的语音识别模型 该模型是由Hugging Face团队开发，它在Whisper核心功能的基础上进行了优化和简化，体…
Coqui TTS是一个开源的项目，你可以在GitHub上找到它的源代码，文档，示例，论坛等。你也可以在Coqui Studio上体验它的在线服务，用简单的界面来生成和编辑语音。 …
OpenAI推出专为iPhone设计的ChatGPT App，用户可透过App Store下载。该应用程序提供了一个在iPhone上使用ChatGPT的原生应用体验，且完全免费且不…
