阿里通义开源语音交互大模型 Fun-Audio-Chat-8B 实现超低延迟与情绪感知语音理解
阿里巴巴通义实验室正式开源新一代端到端语音交互大模型——Fun-Audio-Chat-8B，为语音AI应用赋能更加自然、流畅的语音交互体验。该模型专注于提升实时语音理解与回应的速度，同时具备先进的...
排序
Maya1 开源语音模型发布：实时生成富有情感的语音，仅需单张 GPU 即可运行
Maya1：全新开源语音模型，开启实时富有表现力的文本转语音时代 AI 语音生成技术再迎新突破。Maya Research 团队近日发布了全新的开源文本转语音模型 Maya1。该模型拥有 30...
微软开源前沿语音 AI 家族 VibeVoice：支持 60 分钟长音频识别、90 分钟多说话人生成，GitHub 星标迅速突破 27.7K
微软开源了名为 VibeVoice 的前沿语音 AI 模型家族，覆盖 ASR（自动语音识别） 和 TTS（文本转语音） 等核心方向。根据 GitHub 仓库介绍，VibeVoice 被定义为一个包含 ...