没有“123，上链接”的娴熟，反而是连直播间都忘记关的笨拙;没有精致的直播间布景，有的只是厂房内忙碌的工人、连轴转的机器……但在700多万网友看来，这些或许不够专业高大上，但却是真诚、朴实国货的最好写照。
有道 CEO 周枫表示，大模型将成为未来几年人工智能发展的主要趋势，而 "子曰" 教育大模型的应用也加速落地于多个教育场景。
这种一步采样的方法使得CoMoSVC在实际应用中更加实用，特别是在需要快速处理大量数据的场景下，如实时音频处理和音乐制作等领域。这项技术的出现将为音频转换带来更加高效和方便的解决方案，为人们提供更多创造和表达的可能性。
除了可以从文字生成音乐外，它还支持图像、视频和音频生成音乐，并且还可以编辑已有的音乐。该项目利用了MERT等编码器进行音乐理解，ViT进行图像理解，ViViT进行视频理解，并使用MusicGen/AudioLDM2模型作为音乐生成模型（音乐解码器）。用户可以轻松移除或替换特定乐器，调整音乐的节奏和速度。这使得用户能够创造出符合其独特创意的音乐作品。
另外，DreamTalk还具有说话风格预测的功能，能够根据语音预测说话者的风格，并同步表情，使得动画更加贴近原始音频。此外，该框架适用于多种场景，可以用于歌曲、不同类型的肖像，甚至在嘈杂环境中也能表现良好。