VALL-E VALL-E 是微软研究院推出的神经编解码语言模型项目,将文本转语音视为条件语言建模任务,可基于离散音频编码生成语音。其特点是具备上下文学习能力,能够使用未见说话人的短音频提示合成个性化语音。扩展版本 VALL-E X 支持多语言语音生成,可在目标语言中保留说话人的声音特征、情感和声学环境,适合关注语音合成、AI 配音和多语言 TTS 技术的用户了解。 AI配音 # AI配音 # TTS
OmniParser OmniParser 是微软研究院提出的纯视觉 GUI 智能体解析方案,面向基于视觉语言模型的用户界面理解与自动化操作场景。该项目旨在从屏幕截图中识别可交互元素、文本与结构信息,帮助多模态模型更准确地理解 UI 状态并执行任务,可用于智能代理、界面自动化、视觉解析和人机交互研究等方向。 AI开发平台 # GUI智能体 # 人机交互