微软研究院

微软研究院的 VALL-E 页面介绍以离散神经音频编码进行语音合成的方法，提供模型概览、语音提示与多个数据集的样例比较，并链接 VALL-E 系列研究和论文。

OmniParser是微软公开的界面截图解析工具，将屏幕中的文字、图标和可交互区域转换为结构化元素，便于开发者将视觉语言模型与GUI智能体流程衔接。