系统“看一眼即可听”通过注视目标说话者几秒钟来实现嘈杂环境中的目标语音听取。

AnyNode是一个利用LLM进行输入处理并生成任意类型输出的ComfyUI节点。

ChatTTS 是专为对话场景设计的文本到语音模型，支持中文和英文生成。

Google 使用 AI 改进了 Sheets

llama3v模型通过结合Llama3 8B和siglip-so400m，实现了图像-文本生成的顶级性能。

Wasper是一款隐私优先的开源工具，集写作、绘画和规划于一体。