Amphion：是一个开源工具包，可实现语音、声音和歌唱功能。
除了文字转语音功能，它还能可以将一首歌的声音换成另一个歌手的声音。还支持声音转换、歌声合成、文本到音频、文本到音乐等功能！
开源项目
苹果发布了一个多模态大模型
苹果12月14日释放了一个名为Ferret的多模态大语言模型，该模型不仅可以准确识别图像并描述其内容。
同时它还能够识别和定位图像中的各种元素，无论你用怎样的方式描述图像内容，Ferret都能准确地在图像中找到并识别出来。
ComfyUI-Portrait-Master肖像大师，简体中文版来啦！
超详细参数设置！再也不用为不会写人像提示词发愁啦！重新优化为json列表更方便自定义和扩展！已包含标准工作流和turbo工作流
OpenAI公布了超级对齐项目一项最新研究成果，探索了一种新方法：
这项研究的目的是为了解决一个问题：未来，当 AI 变得比人类更聪明时，人类如何能够有效地控制这些 AI。
VividTalk：单张照片+一段音频即可让照片说话
你只需要提供一张人物的静态照片和一段语音录音，VividTalk就能将它们结合起来，制作出一个看起来像是实际说话的人物的视频。
MetaAI发布实时人工智能语言翻译模型：Seamless
这个模型统一了之前的三个Seamless系列模型，可以实时翻译100多种语言，延迟不到2秒钟，说话者仍在讲话时就开始翻译。
AI项目, 开源项目
微软推出仅需文本内容即可转成真人视频的工具：Deepfakes Creator
该工具允许用户通过文本输入生成逼真的会说话的真人视频。你只要上传想要化身模仿的人的照片，并写一个剧本。