CosyVoice 是阿里通义出品的多语种大语音生成模型，提供从推理、训练到部署的全栈能力，支持中文方言、多国语言与零样本声音克隆。 语音合成的难点，除了「像不像人」，还有「能不能覆盖中文方言、能不能跨语言、能不能只用几秒音频就克隆音色」。CosyVoice（现仓库 QwenAudio/CosyVoice，官网指向 cosyvoice3）把这几件事一起解决：支持普通话、粤语、四川话等中文方言，以及英语、日语、韩语等多语言；提供零样本语音克隆与自然语言控制的情感/风格合成。仓库...
标签 多语言 下的文章
Surya 是一套支持 90 多种语言的 OCR 与文档理解模型，提供文字识别、版面分析、阅读顺序与表格识别，是 Marker 背后的视觉引擎。 做文档解析时，.detection（文字在哪）、.recognition（是什么字）、layout（什么区块）、reading order（按什么顺序读）、table（表格结构）这些能力往往分散在不同工具里。Surya 把它们整合成一套模型：一个统一的文档理解底座，支持 90 多种语言，既能单独调用，也是 Marker 等上层工具的...