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
    腾讯混元开源同传大模型 Hy-SimulMT:中英语音对流实时翻译,时延约 3 秒、支持音色克隆

    腾讯混元开源同传大模型 Hy-SimulMT:中英语音对流实时翻译,时延约 3 秒、支持音色克隆

    同声传译一直被视为语言转换领域的“皇冠明珠”,其核心挑战在于如何在“等待更多信息以确保准确”与“尽早输出以减少听众等待”之间找到完美的平衡。近日,腾讯混元正式发布了实时同声传译大模型 Hy-Simul...
    语音模型# Hy-SimulMT# 腾讯混元
    3周前
    390
    Gradium 开源 Phonon 端侧 TTS 模型:仅 31M 参数 Apache2.0 许可,CPU 本地极速语音合成

    Gradium 开源 Phonon 端侧 TTS 模型:仅 31M 参数 Apache2.0 许可,CPU 本地极速语音合成

    Gradium(一家从 Kyutai 分拆出的巴黎语音 AI 公司)近日正式开源了 Phonon,这是一个专为设备端(On-device)运行设计的超轻量级文本到语音(TTS)模型家族。该模型旨在让开...
    语音模型# Gradium# honon 40m# Phonon
    4周前
    610
    IBM 发布 Granite Speech 5.0 2B:Apache2.0 开源语音模型,支持 6 种语言语音转写 + 翻译

    IBM 发布 Granite Speech 5.0 2B:Apache2.0 开源语音模型,支持 6 种语言语音转写 + 翻译

    IBM 发布了 Granite Speech 5.0 2B,这是一款全新的开源语音语言模型,专注于多语言语音转录与翻译。该模型在 Apache 2.0 许可证下发布,支持将 6 种语言的语音转化为文本...
    语音模型# Granite Speech 5.0 2B# IBM
    4周前
    500
    蚂蚁百灵开源 Ming-3.0 五大音频模型,覆盖 TTS、ASR、多模态音频三大语音产品线

    蚂蚁百灵开源 Ming-3.0 五大音频模型,覆盖 TTS、ASR、多模态音频三大语音产品线

    蚂蚁百灵(inclusionAI)今天开源了 5 个 Ming-3.0 模型。该系列跨越语音合成(TTS)、语音识别(ASR)和音频理解(Audio)三个家族,为会议、采访、客户通话及语音驱动服务提供...
    语音模型# Ming-3.0# 蚂蚁百灵
    4周前
    700
    小米开源MiDashengLM-Spatial:业界首个端到端空间音频理解大模型,Apache2.0协议开放权重与代码

    小米开源MiDashengLM-Spatial:业界首个端到端空间音频理解大模型,Apache2.0协议开放权重与代码

    小米推出Dasheng音频大模型家族新成员 MiDashengLM-Spatial,完整开放模型权重与推理代码,采用Apache 2.0开源许可证。该模型是业界首个开源端到端空间音频理解大模型,在原有...
    语音模型# MiDashengLM-Spatial# 小米
    1个月前
    530
    Fish Audio发布Drama 3 :情感表现力升级TTS,发音稳健性榜单第一,权重开源

    Fish Audio发布Drama 3 :情感表现力升级TTS,发音稳健性榜单第一,权重开源

    Fish Audio 正式推出 Drama 3,是该系列情感表现力最强的文本转语音模型,相比前代 S2.1 Pro 情感层次大幅提升;在 Artificial Analysis 发音稳健性评测拿到第一...
    语音模型# Drama 3# Fish Audio
    1个月前
    600
    谷歌发布DiarizationLM-Gemma-4-E4B-v1:4B参数大模型,用于说话人分离后处理校正

    谷歌发布DiarizationLM-Gemma-4-E4B-v1:4B参数大模型,用于说话人分离后处理校正

    谷歌在Hugging Face放出 DiarizationLM-Gemma-4-E4B-v1,这是基于Gemma 4 E4B(4B密集参数)微调得到的说话人分离后处理大模型,专门用来修正ASR转录结果...
    语音模型# DiarizationLM-Gemma-4-E4B-v1# 谷歌
    1个月前
    980
    微软发布三款MAI语音模型:实时转录MAI-Transcribe-2-Streaming登顶榜单,端到端低延迟打造实时对话智能体

    微软发布三款MAI语音模型:实时转录MAI-Transcribe-2-Streaming登顶榜单,端到端低延迟打造实时对话智能体

    微软扩充自研MAI语音模型产品线,一次性推出三款面向低延迟实时对话智能体的全新模型:MAI-Transcribe-2-Streaming、MAI-Voice-2.1、MAI-Voice-2.1-Fla...
    早报语音模型# MAI-Transcribe-2-Streaming# MAI-Voice-2.1# MAI-Voice-2.1-Flash
    2个月前
    870
    B 站 Index 项目组发布 Index-Translate 翻译大模型系列:覆盖 148 种语言,配套语音翻译、配音时长控制、超长小说翻译衍生模型

    B 站 Index 项目组发布 Index-Translate 翻译大模型系列:覆盖 148 种语言,配套语音翻译、配音时长控制、超长小说翻译衍生模型

    B站 Index 项目组正式推出 Qwen3.5 构建的Index-Translate 系列多语言翻译模型家族,以主力文本翻译模型为核心,延伸出语音翻译、配音长度控制、长文档翻译三大衍生模型,构建覆盖...
    语音模型# Index# Index-Translate
    2个月前
    2270
    Edge0 开源 Audio8-ASR-Infinite:中英双语流式语音识别,支持 7×24 小时不间断长音频转写

    Edge0 开源 Audio8-ASR-Infinite:中英双语流式语音识别,支持 7×24 小时不间断长音频转写

    Edge0 开源 Audio8-ASR-Infinite,一款面向实时场景的原生流式中英双语语音识别模型,主打超低延迟+无限时长持续转写,依靠循环滑动缓存,解决长时间音频识别出现的文本漂移、显存溢出问...
    语音模型# Audio8-ASR-Infinite# edge0
    2个月前
    1030
    蚂蚁百灵开源 Realtime-Venus:支持异步任务委派的全双工视听实时交互系统

    蚂蚁百灵开源 Realtime-Venus:支持异步任务委派的全双工视听实时交互系统

    蚂蚁百灵发布 Realtime-Venus,一套支持异步任务委派的全双工音视频交互系统。核心设计是将实时全双工对话模型与异步任务执行框架解耦,用户可以在下达任务之后继续和助手交谈,后台并行处理耗时工作...
    语音模型# Realtime-Venus# 蚂蚁百灵
    2个月前
    1090
    英伟达发布 Nemotron 3 Diarization:100M 参数开源说话人分离模型,实时识别最多 8 人重叠对话

    英伟达发布 Nemotron 3 Diarization:100M 参数开源说话人分离模型,实时识别最多 8 人重叠对话

    英伟达在 Hugging Face 上线 Nemotron 3 Diarization,一款开放权重的说话人分轨(Diarization)模型,用来识别音频中谁在什么时间段说话,可处理多人声音重叠场景...
    语音模型# Nemotron 3 Diarization# 英伟达
    2个月前
    930
    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。
    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
    FeedCraft

    FeedCraft

    FeedCraft 是一个简单、强大的 RSS 源处理工具. 他可以作为一个中间件处理你的RSS源, 你可以用它来提取正文、智能翻译、通过AI生成文章摘要、通过自然语言筛选文章等. 它内置了可视化 RSS 生成器 (HTML/Curl/Search to RSS),支持将网页、API (Curl) 或搜索结果转换为 RSS 订阅源。
    h3-storyboard

    h3-storyboard

    h3-storyboard 是一个专为 MiniMax H3 视频生成模型设计的 Claude Code 技能。与大多数仅负责将文本转换为 H3 提示词格式的工具不同,h3-storyboard 深入到了导演层面:它指导用户如何将脚本拆分为镜头、如何控制表演节奏、以及如何规避 H3 在面部表情和物理模拟上的已知缺陷。
    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。
    GitHub Copilot

    GitHub Copilot

    GitHub Copilot 是由微软旗下GitHub开发的一款AI编程工具,旨在帮助开发者更高效地编写代码。通过与主流集成开发环境(IDE)的深度集成,Copilot 提供了强大的代码补全、聊天辅助和上下文感知功能,显著提升了开发者的生产力和满意度。
    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。
      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
      FeedCraft

      FeedCraft

      FeedCraft 是一个简单、强大的 RSS 源处理工具. 他可以作为一个中间件处理你的RSS源, 你可以用它来提取正文、智能翻译、通过AI生成文章摘要、通过自然语言筛选文章等. 它内置了可视化 RSS 生成器 (HTML/Curl/Search to RSS),支持将网页、API (Curl) 或搜索结果转换为 RSS 订阅源。
      h3-storyboard

      h3-storyboard

      h3-storyboard 是一个专为 MiniMax H3 视频生成模型设计的 Claude Code 技能。与大多数仅负责将文本转换为 H3 提示词格式的工具不同,h3-storyboard 深入到了导演层面:它指导用户如何将脚本拆分为镜头、如何控制表演节奏、以及如何规避 H3 在面部表情和物理模拟上的已知缺陷。
      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。
      GitHub Copilot

      GitHub Copilot

      GitHub Copilot 是由微软旗下GitHub开发的一款AI编程工具,旨在帮助开发者更高效地编写代码。通过与主流集成开发环境(IDE)的深度集成,Copilot 提供了强大的代码补全、聊天辅助和上下文感知功能,显著提升了开发者的生产力和满意度。
      查看完整榜单