9月8日，B站宣布开源自研语音生成模型IndexTTS-2.0，这是首个支持精确时长控制的自回归零样本TTS系统。该模型可实现精准音画同步，适合视频配音等场景，并支持两种生成模式：精确时长控制和自由生成保留韵律特征。其创新点包括情感与音色解耦，用户可独立指定音色和情绪来源，同时引入GPT潜在表示和三阶段训练策略，提升高情感表达下的语音清晰度。团队还通过“软指令”机制降低使用门槛，允许自然语言描述控制情绪。实验表明，IndexTTS-2.0在词错率、音色相似度和情绪保真度上超越现有模型。代码及预训练权重已公开，助力学术研究与产业应用。

标题：7B的DeepSeek反超R1满血版，上海AI Lab新成果 新方法使DeepSeek的Qwen数学能力超越R1满血版，7B模型反超671B。 上海AI Lab/清华哈工大/北邮团队的研究由齐弼卿和周伯文领导，探讨了Test-Time Scaling (TTS)在不同策略模型、过程奖励模型及问...

在2024年云栖大会上，巨人网络首次推出了两款自研大模型——GiantGPT和BaiLing-TTS。GiantGPT专为游戏领域设计，而BaiLing-TTS则具备行业领先的多普通话方言合成能力。此外，巨人网络还展示了其在AI技术领域的创新，包括巨人摹境和高精度实时交互数字人技术。此次发布标志着巨人网络在“游戏+AI”领域的积极探索与技术创新，展现出公司在数字化转型中的前瞻性和实力。