科大讯飞星火同传语音大模型
国内首个具备端到端语音同传能力的大模型，其同传速度与精度直逼人类专家。
Fun-Audio-Chat-8B 开源语音交互大模型 Fun-Audio-Chat-8B 是阿里巴巴通义实验室开源的新一代端到端语音交互大模型，以双分辨率语音表征架构实现超低延迟与近 50% GPU 资源节省，兼具情感感知、语音指令执行、全双工交互等核心能力，性能逼近 GPT-4o Audio 与 Gemini 2.5 Pro，推动开源语音 AI 进入实用化新阶段。
数据统计
相关导航
Hume AI Voice Conversion
一次录音即可把“声音灵魂”完整移植到任意目标声线 Hume AI Voice Conversion：一次录音即可把“声音灵魂”完整移植到任意目标声线，实现带情感的跨语言、跨性别、跨风格语音转换。
智谱 AI 输入法
桌面端语音转写翻译一站式神器 在 PC 上“动嘴不动手”，即可把语音实时转成文字、翻译、改写，并同步开源 GLM-ASR 模型供开发者二次定制。
腾讯ARC团队的AudioStory模型
开启AI音频生成新时代 腾讯ARC团队推出的AudioStory模型，能够根据文字描述生成高质量的音频内容，具有强大的叙事能力。
Infinite Talk
无限长度语音视频生成模型 Infinite Talk 是一个由 MeiGen-ai 研发小组开源的数字人项目，能够生成无限长度的视频，具有准确的口型同步和一致的身份保留。
Xiaomi-MiMo-Audio
小米开源首个原生端到端语音大模型 Xiaomi-MiMo-Audio 是小米开源的首个原生端到端语音大模型，基于创新预训练架构和上亿小时训练数据，首次在语音领域实现基于 ICL 的少样本泛化。
阶跃星辰Step-Audio2mini
最强开源端到端语音大模型 阶跃星辰发布的Step-Audio2mini是一款开源的端到端语音大模型，能够实现语音理解、音频推理与生成的统一建模。
豆包语音识别模型2.0（Doubao-Seed-ASR-2.0）
火山引擎推出的新一代多语种语音识别引擎，在复杂场景下实现更高精度与更强推理能力。
暂无评论...