模型
标签
同类项目
SALMONN1.6k字节跳动 的 多 模态 大语言模型 系列， 覆盖 语音、 音频 与 音视 频理解， 并 开源 模型 权重 与 推理 训练 代码。 
voxcpm41.3k开源2B多 语言TTS模型， 无需 分词器， 支持 声音 设计、 可控 复刻 与 48kHz studio级 语音 合成。 
MOSS-Transcribe-Diarize2.3k开源0.9B 端 到 端音 频理 解模型， 支持 50 多 种 语言 的 长音 频 转写、 说话 人 分离、 时间 戳 和 声学 事件 标注， 附带 推理 代码、 字幕 Web 应用 与 微调 指南。 
Fun-ASR1.6k通义实验室 开源 的 端到 端语 音识 别模型 家族， 覆盖 中 文方 言口音 与 31 种 语言， 提供 多 种 推理 方案。 
FunASR21k工业级 语 音识 别工 具包， 覆盖 训练、 推理、 流式 ASR、 VAD、 标点、 说话 人 分离 及OpenAI 兼容 服务 部署。 
vosk-api15.2k支持20 多 种 语言 的 离线语 音识 别工 具包， 提供 多 语言SDK 绑定， 可跑 在 手机 与 服务器 上。