QwenAudio

Multilingualer großflächiges Sprachgenerierungsmodell, das Inference, Training und Bereitstellung in vollem Stack ermöglicht.

Open-Source-Modell SenseVoiceSmall für ASR in Mandarin, Kantonesisch, Englisch, Japanisch und Koreanisch, Spracherkennung, Emotionserkennung und Audio-Ereigniserkennung.

Eine Echtzeit-Sprachlaufzeitumgebung für KI-Agenten, die sie im Gespräch und aktiv hält.

Open-Source-LLM-basiertes ASR-Modellfamilie für Chinesisch, Dialekte, Akzente und mehrsprachige Sprache, mit FunASR, vLLM, Streaming- und llama.cpp-Runtimes.

[NeurIPS 2025] PyTorch-Implementierung von [ThinkSound], einem einheitlichen Framework zur Audiogenerierung aus beliebigen Modalitäten, gesteuert durch Chain-of-Thought (CoT)-Reasoning.

Fun-Audio-Chat ist ein großes Audio-Sprachmodell, das für natürliche, latenzarme Sprachinteraktionen entwickelt wurde.