QwenAudio

Modèle multilingue de génération vocale à grande échelle, offrant des capacités complètes d'inférence, d'entraînement et de déploiement.

Modèle open source SenseVoiceSmall pour la reconnaissance vocale (ASR) en mandarin, cantonais, anglais, japonais et coréen, incluant l'identification de la langue, la reconnaissance des émotions et la détection d'événements audio.

Un moteur d'exécution vocal en temps réel permettant aux agents de communiquer, de travailler et d'être présents. Moteur d'exécution vocal en temps réel pour agents IA.

Famille de modèles ASR open-source basés sur LLM pour le chinois, les dialectes, les accents et la parole multilingue, avec runtimes FunASR, vLLM, streaming et llama.cpp.

[NeurIPS 2025] Implémentation PyTorch de [ThinkSound], un framework unifié pour générer de l'audio à partir de n'importe quelle modalité, guidé par le raisonnement Chain-of-Thought (CoT).

Fun-Audio-Chat est un grand modèle de langage audio conçu pour des interactions vocales naturelles à faible latence.