Mini Mini-Omni 是一个开源的端到端语音对话模型，具备实时语音输入和输出的能力，能在对话中实现“边思考边说话”的功能。模型设计无需额外的自动语音识别（ASR）或文本到语音（TTS）系统，直接进行语音到语音的对话。Mini-Omni 采用文本指导的语音生成方法，通过批量并行策略提高性能，同时保持了原始模型的语言能力。它支持实时语音交互、文本和语音并行生成、跨模态理解等功能，适用于智能助手、客户服务 AI项目与工具 2025年06月12日 93 点赞 0 评论 695 浏览
VidTok VidTok（Video Tokenizer）是一款由微软开发的开源视频处理工具，通过高效的算法将视频内容转化为“视频词”，支持连续与离散分词化，具有灵活的压缩率和多样的隐空间，适用于视频生成、内容建模及数据压缩等场景。其混合模型架构结合卷积与采样模块，辅以有限标量量化技术，实现了高质量视频重建与高效数据处理。 AI项目与工具 2025年06月12日 54 点赞 0 评论 699 浏览
Spline AI Spline AI基于Stable Diffusion v2的AI生成技术，通过跟AI对话，基于文本快速实现 3D 建模。 3D&游戏 2025年06月05日 91 点赞 0 评论 1256 浏览
