音频模型

语音、音乐与音频理解模型 · 76 篇

2026年11月7日

语音模型11:08

一个 45B 的语音模型，能一边听你说话、一边看你的屏幕、一边在后台替你干活

1 次阅读阅读全文

2026年11月6日

语音模型11:49

LAION 开源了一个「会演戏」的语音模型：你写台词，它负责怎么演——叹气、停顿、破音都能指定

1 次阅读阅读全文

2026年11月5日

语音模型11:09

谷歌给 TTS 加了个「音色修图」：拿现成声音说一句「再老十岁、换英国腔」，就能存成一个新音色

3 次阅读阅读全文

2026年11月4日

语音模型11:11

Soniox 发布 STT v6：让语音识别第一次「听见 AI 自己说了什么」

2 次阅读阅读全文

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

3 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」

2 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

3 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

4 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

5 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

11 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

4 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

11 次阅读阅读全文

已显示 12 / 76 篇文章