音频模型

语音、音乐与音频理解模型 · 97 篇

2026年11月3日

语音模型11:07

Hume 发布 Audio Decisions API：原始音频进、概率出，语音 Agent「听起来怎么样」终于能量化

1 次阅读阅读全文

2026年11月2日

音乐模型12:15

香港人自己的 AI 作曲 App 上线：港话通接入自研 YuE2，哼两句就能出粤语歌

1 次阅读阅读全文

2026年11月1日

语音模型11:06

Deepgram 买下 Pipecat：语音 Agent 不再拼三个模型，改成一条管道共享「怎么说」

0 次阅读阅读全文

2026年10月31日

语音模型11:10

Cartesia 把语音 Agent 整条流水线打包卖了：盲测登顶 30 个对手，每分钟 3 美分

1 次阅读阅读全文

2026年10月30日

语音模型11:07

AssemblyAI 下场做语音合成：每分钟语音约 1.5 美分，无限并发还不用签年框

2 次阅读阅读全文

2026年10月29日

语音模型19:57

英伟达开源 Nemotron 3.5 Transcribe：一个模型吃下 40 种语言，转写格式还能用一句话指定

2 次阅读阅读全文

2026年10月19日

语音模型11:18

Hugging Face 上线 FFASR：语音识别模型以后不能只在录音室级测试集上比了，要进真实环境扛噪抗混叠

10 次阅读阅读全文

2026年10月18日

语音模型11:19

小米开源 MiDashengLM-Spatial：给音频大模型装上"一双耳朵"，不光听懂声音还知道声音在哪

2 次阅读阅读全文

2026年10月17日

音乐模型11:05

ElevenLabs 上新「即时配乐」：上传一段视频，音乐和音效自动对齐画面

17 次阅读阅读全文

2026年10月16日

语音模型11:03

HeyGen Voice：AI 数字人公司自研语音模型，盲测榜空降第一

10 次阅读阅读全文

2026年10月15日

语音模型11:05

Grok Voice 3.0 发布：独立评测登顶第一，延迟不到 1 秒，价格与上代持平

8 次阅读阅读全文

2026年10月14日

语音模型11:15

Fish Audio 开放 Drama 3 权重：35B MoE 语音模型"听懂导演说戏"，一句话让 AI 重录一遍

26 次阅读阅读全文

已显示 12 / 97 篇文章