🎵 M2UGen融合音乐理解和多模态任务，支持文字、图像、视频生成音乐。
首先是小冰克隆人，该产品允许创作者通过小冰框架技术克隆自己并向粉丝发布，已有超过 1000 名克隆人入驻，并有部分创作者实现个人 AI 年收入百万元。
为了解决幻觉问题，研究人员采用了检索增强生成（RAG）的方法，并添加了几个重要步骤来进一步减轻幻觉，并改进对话性指标。通过这些优化，WikiChat在事实准确性方面比微调后的SOTA RAG模型Atlas高出8.5%。此外，研究人员还将基于GPT-4的WikiChat提炼成7B参数的LLaMA模型，这个模型在事实准确性方面能达到91.1%的高分，并且运行速度提高了6.5倍，能效更好，可以本地部署。
CoMoSVC实现歌声转换的过程包括几个关键步骤。首先，它设计了一个基于扩散的教师模型，通过学习大量的歌声数据，这个模型能够理解和模仿不同歌手的声音特征。接着，利用自我一致性属性，CoMoSVC进一步提炼出一个学生模型，简化了模型结构，以便于快速有效地进行声音转换。
实施全球通信的实时语言翻译，使企业能够与多元化的客户群互动。