三花快讯 · 2024, 10月21日
Meta Spirit LM：自由混合文本和语音的多模态模型
捕捉并再现说话的音调、情感和风格
Spirit LM 是 Meta 的首个能够自由混合文本和语音的多模态语言模型。它不仅理解语言的含义，还能捕捉并再现说话的音调、情感和风格。Spirit LM 支持文本和语音的输入输出，分为 Base 和 Expressive 两个版本。不过开源的模型 7B 参数量，推理能力一般。
商业转载请联系三花微信公众号获得授权，非商业转载请注明本文出处及文章链接，您可以自由地在任何媒体以任何形式复制和分发作品，也可以修改和创作，但是分发衍生作品时必须采用相同的许可协议。
本文采用 CC BY-NC-SA 4.0 - 非商业性使用 - 相同方式共享 4.0 国际 进行许可。