近日，阿里通义实验室推出了全新数字人视频生成大模型 OmniTalker，只需上传一段参考视频，不仅能学会视频中人物的表情和声音，还能模仿说话风格。相比传统的数字人生产流程，该方法能够有效降低制作成本，提高生成内容的真实感和互动体验，满足更广泛的应用需求。目前该项目已在魔搭社区、HuggingFace 开放体验入口，并提供了十多个模板，所有人可以直接免费使用。
阿里通义实验室语音团队负责人鄢志杰已于近期离职，离职时间为2月15日，按照以前的P序列（原阿里内部职级体系）比照，其职级为P10。鄢志杰是智能语音领域的技术大牛。公开资料显示，2003年，鄢志杰大学本科毕业，升入中科大语音实验室，攻读博士学位，师从语音领域专家王仁华教授（科大讯飞创始人之一，曾任科大讯飞公司董事长）。
面向复杂PC任务的多模态智能体框架PC-Agent，来自阿里通义实验室。
现在，大模型可以帮你梳理新闻时间线了，以后吃瓜就更方便了！ AI Agent的风，咱们赛博乐子人也得吹吹。 这就是来自阿里巴巴通义实验室与上海交通大学的新研究，他们提出了一种基于Agent的新闻时间线摘要新框架——CHRONOS。
多模态检索增强生成（mRAG）也有o1思考推理那味儿了！ 阿里通义实验室新研究推出自适应规划的多模态检索智能体。 名叫OmniSearch，它能模拟人类解决问题的思维方式，将复杂问题逐步拆解进行智能检索规划。
高效多页文档理解，阿里通义实验室mPLUG团队拿下新SOTA。
让多智能体开发就像搭积木，阿里巴巴通义实验室开源多智能体编程框架与开发平台AgentScope。
