اوپن سورس۔ نئے امکانات۔

YuE2 ایک اوپن میوزک جنریشن ماڈل ہے جو علامتی منصوبہ بندی کو آڈیو ترکیب کے ساتھ یکجا کرتا ہے: یہ بول اور اسٹائل پرامپٹ کو قابلِ ترمیم دھن اور کورڈ اسکور میں بدلتا ہے، پھر آواز اور ہم آہنگی کے ساتھ مکمل گانا تیار کرتا ہے۔ یہ زیرو شاٹ کور اور ایجنٹک اسکور ایڈیٹنگ بھی سپورٹ کرتا ہے۔

VideoLingo ایک جامع AI پر مبنی ویڈیو ترجمہ اور ڈبنگ ٹول ہے جو نیٹ فلکس معیار کی سب ٹائٹلز اور آواز کے ڈبنگ فراہم کرتا ہے۔

وکس سی پی ایم 2 ٹوکنائزر سے پاک ٹیکسٹ ٹو اسپیچ سسٹم ہے جس میں 2 بلین ڈفیوژن آٹو ریگریسو ماڈل 30 زبانوں، ٹیکسٹ تفصیلات سے وائس ڈیزائن، قابل کنٹرول وائس کلوننگ اور 48 کلو ہرٹز آؤٹ پٹ کو سپورٹ کرتا ہے۔

جی پی ٹی-Sوویتس ایک اوپن سورس فو-شوٹس آواز کی تبدیلی اور TTS سسٹم ہے جو چینی، جاپانی، کورین، کینٹونیز اور انگریزی زبانوں میں زیرو شوٹ (5 سیکنڈ) اور فو-شوٹس (1 منٹ) آواز کی نقل کا ساتھ دیتا ہے۔ اس میں آڈیو علیحدگی، ASR، اور ڈیٹاسیٹ تیاری کے لیے WebUI ٹولز شامل ہیں۔