VibeVoice-Realtime TTS重构实时语音体验;覆盖9大真实场景,WenetSpeech-Chuan让模型听懂川话

公共资源速递

5 个公共数据集:

* VOccl3D 三维人体遮挡视频数据集

* Spatial-SSRL-81k 空间感知自监督数据集

* WenetSpeech-Chuan 川渝方言语音数据集

* MMSVGBench 多模态矢量图生成基准数据集

* Fungi MultiClass Microscopic 真菌显微图像数据集

6 个公共教程:

* 基于手势识别的 3D 圣诞树

* Dia2-TTS:实时语音合成服务

* 一键部署 Ministral-3-14B-Instruct

* Ovis-Image:高质量图像生成模型服务

* Z-Image-Turbo:高效 6B 参数图像生成模型

* VibeVoice-Realtime TTS:实时语音合成服务

访问官网立即使用:http://openbayes.com

公共数据集

1.VOccl3D 三维人体遮挡视频数据集

该数据集共包含超过 25 万张图像和约 400 段视频序列,由背景场景、人类动作与多样化贴图共同构建。

* 在线使用:

https://go.openbayes.com/1bvHK

数据集示例

2.Spatial-SSRL-81k 空间感知自监督数据集

该数据集共包含 81,053 条自动生成的问答样本,涵盖多种问题形式,包括排序任务、带图像选项的多选题以及带文本选项的多选题,覆盖多样化的室内与室外真实场景。

* 在线使用:

https://go.openbayes.com/Sf0hE

数据集示例

3.WenetSpeech-Chuan 川渝方言语音数据集

该数据集共包含 10,013 小时的真实川渝方言语音,其中包括 3,714 小时的强标签数据和 6,299 小时的弱标签数据。所有语音均附带丰富的标注信息,如文本内容、置信度、音质评分、说话人的性别与年龄,以及情绪标签等。

* 在线使用:

https://go.openbayes.com/0pXSs

数据集示例

4.MMSVGBench 多模态矢量图生成基准数据集

该数据集共包含 600 条测试样本,每条样本都包含完整的输入信息与元数据,包括唯一标识、图像或文本输入、任务类型、类别标签(如图标或插画),以及数据来源的 URL。

* 在线使用:

https://go.openbayes.com/Nm58i

5.Fungi MultiClass Microscopic 真菌显微图像数据集

该数据集共包含 6,801 张真菌显微图像,覆盖 5 个真菌类别(H1、H2、H3、H5、H6)。数据集分为训练集、验证集和测试集,训练集共 5,000 张,类别均衡(每类 1,000 张);验证集共 899 张,类别分布不均衡;测试集共 902 张,同样存在不均衡性。

* 在线使用:

https://go.openbayes.com/eVH7b

数据集示例

公共教程

1.Ovis-Image:高质量图像生成模型服务

Ovis-Image 采用多尺度 Transformer 编码器与自回归生成架构,在高分辨率图像生成、细节表现及多风格适配能力上表现卓越。

* 在线运行:

https://go.openbayes.com/vzGuL

项目示例

2.Dia2-TTS:实时语音合成服务

Dia2-TTS 可直接输入连续多轮对话脚本,生成自然连贯、角色音色一致的高质量语音,适用于虚拟客服、语音助手、AI 配音、短剧生成等应用场景。

* 在线运行:

https://go.openbayes.com/iJVIg

项目示例

3.VibeVoice-Realtime TTS:实时语音合成服务

VibeVoice-Realtime TTS 采用一种新颖的次令牌扩散方法,用于在长篇多说话者语音合成中建模连续数据,并引入高效的连续语音分词器,使模型能够在 64K 上下文窗口内生成长达 90 分钟的语音,最多支持 4 名说话者,同时在保持音频忠实度的前提下大幅提升计算效率,捕捉真实对话氛围。

* 在线运行:

https://go.openbayes.com/UvYQR

项目示例

4.Z-Image-Turbo:高效 6B 参数图像生成模型

该模型以仅 6B 的参数规模,实现了与 20B 以上参数闭源旗舰模型相媲美的性能,特别擅长生成高保真度的照片级真实人像。

* 在线运行:

https://go.openbayes.com/rgJrz

项目示例

5.一键部署 Ministral-3-14B-Instruct

Ministral-3-14B-Instruct-2512 是由 Mistral AI 发布的多模态模型。支持多模态(文本和图像)与多语言功能,具有高性能和高性价比。

* 在线运行:

https://go.openbayes.com/9zeXk

项目示例

6.基于手势识别的 3D 圣诞树

该项目基于 React 和 Three.js(R3F)构建,通过先进的 AI 手势识别技术,用户可以轻松用手势控制圣诞树的形态变化(聚合与散开)以及视角的自由旋转。

* 在线运行:

https://go.openbayes.com/scGkY

效果展示

相关推荐
机器懒得学习18 小时前
智能股票分析系统
python·深度学习·金融
晟诺数字人18 小时前
2026年海外直播变革:数字人如何改变游戏规则
大数据·人工智能·产品运营
蛋王派18 小时前
DeepSeek-OCR-v2 模型解析和部署应用
人工智能·ocr
vx_biyesheji000118 小时前
豆瓣电影推荐系统 | Python Django 协同过滤 Echarts可视化 深度学习 大数据 毕业设计源码
大数据·爬虫·python·深度学习·django·毕业设计·echarts
禁默18 小时前
基于CANN的ops-cv仓库-多模态场景理解与实践
人工智能·cann
禁默19 小时前
【硬核入门】无需板卡也能造 AI 算子?深度玩转 CANN ops-math 通用数学库
人工智能·aigc·cann
敏叔V58719 小时前
AI智能体的工具学习进阶:零样本API理解与调用
人工智能·学习
徐小夕@趣谈前端19 小时前
拒绝重复造轮子?我们偏偏花365天,用Vue3写了款AI协同的Word编辑器
人工智能·编辑器·word
阿里云大数据AI技术19 小时前
全模态、多引擎、一体化,阿里云DLF3.0构建Data+AI驱动的智能湖仓平台
人工智能·阿里云·云计算
陈天伟教授19 小时前
人工智能应用- 语言理解:05.大语言模型
人工智能·语言模型·自然语言处理