阿里通义实验室推出开源项目MAI-UI，旨在实现AI对手机的直接操控。该项目在GUI定位和任务执行方面表现出色，能够识别屏幕内容并完成复杂操作。MAI-UI支持多种参数变体，具备主动询问用户信息和与外部应用集成的能力，适应动态环境。目前已开源2B和8B版本，用户可通过GitHub获取体验。
阿里通义实验室发布开源语音大模型项目FunAudioLLM，包含SenseVoice和CosyVoice两个模型。SenseVoice支持50种语言识别和情感辨识，效果优于Whisper模型。CosyVoice支持多语言、音色和情感控制，生成模拟音色和情感细节。FunAudioLLM可用于音色情感生成的多语言语音翻译、情绪语音对话、互动播客和有声读物等应用场景。CosyVoice的合成音频内容一致性高，情感控制能力强。SenseVoice具备多种语音理解能力，包括自动语音识别、情感识别和音频事件检测。相关模型已在GitHub上开源。
阿里通义实验室开源了CosyVoice语音模型，支持自然语音生成，多语言、音色和情感控制。模型训练数据超过15万小时，支持中英日粤韩5种语言合成。提供了Windows和Mac平台的本地部署教程。推荐使用webui进行操作。
完成下面两步后，将自动完成登录并继续当前操作。
