SD百科导航
  • 首页
  • 快讯
  • 早报
  • 模型
  • ComfyUI
  • 新技术
  • 百科
    • 教程
    • 硬件
    • 科普
  • 百科工具
    • 工具
  • 排行榜
    • 首页
    • 快讯
    • 早报
    • 模型
    • ComfyUI
    • 新技术
    • 百科
      • 教程
      • 硬件
      • 科普
    • 百科工具
      • 工具
    • 排行榜

    语音模型

    共 222 篇文章
    包括文本生成音频、音乐生成模型
    百科工具模型ComfyUIAI合集web UI提示词
    大语言模型多模态模型图像模型语音模型3D模型Flux衍生视频模型世界模型决策模型
    排序
    发布更新浏览点赞
    Bland 发布 Tofu-1:首个全双工语音到语音模型,实现无转录实时通话与噪声环境下的精准交互

    新Bland 发布 Tofu-1:首个全双工语音到语音模型,实现无转录实时通话与噪声环境下的精准交互

    旧金山语音 AI 初创公司 Bland 正式发布了 Tofu-1,这是其计划中的语音到语音模型系列的首个研究预览版。与传统的级联式语音智能体不同,Tofu-1 采用端到端架构,直接处理音频输入并生成音...
    语音模型# Bland# Tofu-1
    23小时前
    50
    Liquid AI 发布 LiquidCodec:7400 万参数流式编解码器,CPU 单核实现 361 倍实时编码

    新Liquid AI 发布 LiquidCodec:7400 万参数流式编解码器,CPU 单核实现 361 倍实时编码

    Liquid AI 正式推出 LiquidCodec,一款专为流式语音处理设计的轻量级音频编解码器。作为其 LFM3-Audio-2B 和 LFM3-Omni-2B 模型的核心组件,LiquidCod...
    语音模型# Liquid AI# LiquidCodec
    3天前
    110
    Fish Audio 推出全双工语音模型Live 3,最短 186 毫秒响应,原生学习对话轮次时机

    Fish Audio 推出全双工语音模型Live 3,最短 186 毫秒响应,原生学习对话轮次时机

    Fish Audio 正式推出 Live 3,一款专为实时语音智能体设计的全双工(Full-Duplex)语音模型。与传统的半双工系统不同,Live 3 能够在说话的同时保持聆听状态,允许用户在通话过...
    早报语音模型# Fish Audio# Live 3
    5天前
    190
    Zyphra 开源 ZONOS3-Mini:800M 总参 MoE TTS,仅 100M 激活参数,支持词级表达控制

    Zyphra 开源 ZONOS3-Mini:800M 总参 MoE TTS,仅 100M 激活参数,支持词级表达控制

    Zyphra 正式发布了 ZONOS3-Mini,一款专为本地设备实时推理设计的开源文本转语音(TTS)模型。该模型采用稀疏混合专家(MoE)架构,总参数量 8 亿,但在每次推理时仅激活约 1 亿参数...
    语音模型# ZONOS3-Mini# Zyphra
    6天前
    180
    AI 降临派开源Sophon-Realtime v1 :32B 全双工语音模型,听懂语气、自主生成笑 / 叹气等副语言

    AI 降临派开源Sophon-Realtime v1 :32B 全双工语音模型,听懂语气、自主生成笑 / 叹气等副语言

    AI降临派(Adventists AI)正式推出 Sophon-Realtime v1,这是一个基于 Apache-2.0 协议开源的全双工语音模型系列。该模型旨在提供拟真的实时语音交互体验:在用户说...
    语音模型# AI 降临派# Sophon-Realtime v1# 全双工语音模型
    7天前
    310
    Third Intelligence 发布 Haas-ja-v1.0:基于 Parakeet-TDT 架构的高精度日语语音识别开放模型

    Third Intelligence 发布 Haas-ja-v1.0:基于 Parakeet-TDT 架构的高精度日语语音识别开放模型

    日本 Third Intelligence 近期发布了日语语音识别模型 Haas-ja-v1.0,并将其作为开放模型公开。该模型的开发旨在推动普及型 AGI 的落地,促进 AI 与人类建立信任关系并实...
    语音模型# Haas-ja-v1.0# Third Intelligence
    1周前
    250
    清华开源音视频说话人提取模型Falcon:靠视觉定向听音,低延迟接入腾讯会议

    清华开源音视频说话人提取模型Falcon:靠视觉定向听音,低延迟接入腾讯会议

    清华团队近期开源了因果音视频目标说话人提取(Audio-Visual Target Speaker Extraction, AVTSE)模型 Falcon。该模型能够在多说话人的嘈杂环境中,实时提取指...
    语音模型# Falcon
    1周前
    260
    PiVo:全套仅 140 万参数英文 TTS,含声码器,ONNX+CPU 离线推理,无重型框架依赖

    PiVo:全套仅 140 万参数英文 TTS,含声码器,ONNX+CPU 离线推理,无重型框架依赖

    Empero AI 推出科研向轻量英文语音合成模型 PiVo,核心目标探索一套完整 TTS(文本→波形,声学模型 + 声码器全部计入)的参数下限。整套可学习参数合计仅 140 万,对比作为教师模型的 ...
    语音模型# Empero AI# PiVo# PiVo-1.4M
    2周前
    400
    模思智能发布 MOSS-Live:全双工实时语音 AI,边说边听、支持后台异步任务与多模态感知

    模思智能发布 MOSS-Live:全双工实时语音 AI,边说边听、支持后台异步任务与多模态感知

    模思智能推出 MOSS-Live,一套全双工实时语音交互系统,核心特性是可以同时聆听、语音输出、执行任务,告别传统语音助手 “一问一答、轮流收发” 的对讲机模式,更接近真人通话体验。 项目主页:htt...
    早报语音模型# MOSS-Live# 全双工实时语音交互# 模思智能
    2周前
    580
    英伟达发布 NemotronLabs RE-USE-laughter:960 万参数多语言语音增强模型,专门保留笑声

    英伟达发布 NemotronLabs RE-USE-laughter:960 万参数多语言语音增强模型,专门保留笑声

    英伟达推出了 NemotronLabs RE-USE-laughter,这是一款参数量仅为 960 万(9.6M)的多语言通用语音增强(Universal Speech Enhancement, US...
    语音模型# NemotronLabs RE-USE-laughter# 英伟达
    2周前
    280
    Edge0开源Audio8-TTS-Realistic :0.6B 双自回归 TTS,23 语种零样本克隆,Apache2.0 许可

    Edge0开源Audio8-TTS-Realistic :0.6B 双自回归 TTS,23 语种零样本克隆,Apache2.0 许可

    Edge0 近期正式发布了 Audio8-TTS-Realistic,这是一款参数量为 0.6B 的开放权重文本转语音(TTS)模型。该模型专为零样本语音克隆设计,仅需提供一个参考音频片段及其对应的转...
    语音模型# Audio8-TTS-Realistic# Audio8-TTS-Realistic-Air# edge0
    2周前
    330
    英伟达发布Nemotron 3.5 Transcribe:单模型一站式语音转录+翻译+说话人分群,支持端侧到数据中心全部署

    英伟达发布Nemotron 3.5 Transcribe:单模型一站式语音转录+翻译+说话人分群,支持端侧到数据中心全部署

    英伟达最新发布 Nemotron 3.5 Transcribe,一款开放权重的语音增强语言模型(SALM)。和传统语音系统把语音检测、转写、说话人区分、翻译拆成多个模型串联运行不一样,它在单次前向推理...
    语音模型# Nemotron 3.5 Transcribe# 英伟达
    3周前
    380
    加载更多

    网址

    日榜周榜月榜
    LoginFlip

    LoginFlip

    LoginFlip 是一款专为 Chrome 浏览器设计的轻量级扩展,解决多账号管理痛点。它通过保存和恢复网站的登录状态(Cookie + localStorage),让你在不同身份(工作号、测试号、个人号等)之间实现秒级切换,彻底告别反复输入密码和退出登录的繁琐流程。
    MagicArena

    MagicArena

    MagicArena是字节跳动推出的一个采用Elo积分机制的视觉生成大模型公开对战平台。平台上有多个视觉生成大模型(文生图、文生视频、图生视频)随机两两对战,用户对生成的结果进行评价,累积定对战数据后可以查看自己的大模型排行榜。
    Flowith

    Flowith

    Flowith 是一个基于 AI 的工具,适合深度工作和内容创作。它提供一个直观的画布界面,让用户可以轻松生成长文本、组织知识和协作。它的 AI 代理 Oracle 可以自动规划复杂任务,无需手动提示工程,并支持多种顶级 AI 模型如 GPT-4o 和 Claude 3.5 sonnet。
    Video_Spider

    Video_Spider

    Video_Spider 是一款高效、简洁的短视频无水印下载工具。只需提供短视频链接,即可快速获取无水印的视频版本,支持多个主流短视频平台,为用户提供纯净的视频下载体验。
    RSS-AIGC

    RSS-AIGC

    RSS-AIGC是一个非常简易的现代化的 RSS 订阅与 AI 内容聚合平台,专为内容创作者、研究人员和知识工作者设计。系统集成了 AI 报告生成、飞书机器人推送、多源内容聚合等高级功能,帮助用户高效地获取、管理和分析来自 Hacker News、GitHub、ArXiv 等专业平台的内容
    威软夸克助手

    威软夸克助手

    威软夸克助手 是一款完全开源、本地运行的浏览器脚本,无需上传账号信息,即可在网页端解析夸克网盘文件的真实下载地址,并支持批量操作与多工具集成。
    查看完整榜单
    SD百科导航
    SD百科导航是专注于AI创作领域的专业导航网站。我们全面涵盖Stable Diffusion、Flux、AI绘画、AI视频、AI音乐以及大语言模型等前沿内容。

    关于我们友链申请广告合作

    扫码关注微信公众号SD百科导航
    扫码关注微信公众号
    Copyright © 2026 SD百科导航 皖ICP备18025588号-5  皖公网安备34040002000401 
    网址
    网址文章软件模型
      ↵ENTER↓↑NAV

      网址

      日榜周榜月榜
      LoginFlip

      LoginFlip

      LoginFlip 是一款专为 Chrome 浏览器设计的轻量级扩展,解决多账号管理痛点。它通过保存和恢复网站的登录状态(Cookie + localStorage),让你在不同身份(工作号、测试号、个人号等)之间实现秒级切换,彻底告别反复输入密码和退出登录的繁琐流程。
      MagicArena

      MagicArena

      MagicArena是字节跳动推出的一个采用Elo积分机制的视觉生成大模型公开对战平台。平台上有多个视觉生成大模型(文生图、文生视频、图生视频)随机两两对战,用户对生成的结果进行评价,累积定对战数据后可以查看自己的大模型排行榜。
      Flowith

      Flowith

      Flowith 是一个基于 AI 的工具,适合深度工作和内容创作。它提供一个直观的画布界面,让用户可以轻松生成长文本、组织知识和协作。它的 AI 代理 Oracle 可以自动规划复杂任务,无需手动提示工程,并支持多种顶级 AI 模型如 GPT-4o 和 Claude 3.5 sonnet。
      Video_Spider

      Video_Spider

      Video_Spider 是一款高效、简洁的短视频无水印下载工具。只需提供短视频链接,即可快速获取无水印的视频版本,支持多个主流短视频平台,为用户提供纯净的视频下载体验。
      RSS-AIGC

      RSS-AIGC

      RSS-AIGC是一个非常简易的现代化的 RSS 订阅与 AI 内容聚合平台,专为内容创作者、研究人员和知识工作者设计。系统集成了 AI 报告生成、飞书机器人推送、多源内容聚合等高级功能,帮助用户高效地获取、管理和分析来自 Hacker News、GitHub、ArXiv 等专业平台的内容
      威软夸克助手

      威软夸克助手

      威软夸克助手 是一款完全开源、本地运行的浏览器脚本,无需上传账号信息,即可在网页端解析夸克网盘文件的真实下载地址,并支持批量操作与多工具集成。
      查看完整榜单