#kai-yuan

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-XL包括两个阶段： i) 基础阶段通过使用两个分层编码器保证连贯的语义，并保留输入图像的内容， ii) 优化阶段通过整合额外的简短文本来增强视频的细节，并将分辨率提高到1280x720。

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拥有，而开源 LLM 可以自由使用和修改。尽管参数大小通常较小，但开源 LLM 正在挑战专有模型，并具有多项优势。

EmotiVoice：有道开源的TTS引擎 EmotiVoice是一个强大的开源TTS引擎，支持中英文双语，包含2000多种不同的音色，以及特色的情感合成功能，支持合成包含快乐、兴奋、悲伤、愤怒等广泛情感的语音。 EmotiVoice提供一个易于使用的web界面，还有用于批量生成结果的脚本接口。