FireRedTeam

FireRed-OpenStoryline एक AI वीडियो संपादन एजेंट है जो प्राकृतिक भाषा इंटरैक्शन, LLM-संचालित योजना और सटीक टूल समन्वय के माध्यम से मैन्युअल संपादन को इरादे से संचालित निर्देशन में बदलता है।

मंदारिन, चीनी बोलियों और अंग्रेजी का समर्थन करने वाले ओपन-सोर्स इंडस्ट्रियल-ग्रेड ASR मॉडल, सार्वजनिक मंदारिन ASR बेंचमार्क पर एक नया SOTA हासिल करते हैं, साथ ही उत्कृष्ट गायन गीत पहचान क्षमता भी प्रदान करते हैं।

मल्टी-स्पीकर संवाद जेनरेशन के लिए लॉन्ग-फॉर्म स्ट्रीमिंग TTS सिस्टम

FireRed-Image-Edit एक शक्तिशाली इमेज एडिटिंग फ़ाउंडेशन मॉडल है जो सटीक निर्देश पालन, उच्च-निष्ठा जनरेशन, बेहतर पहचान निरंतरता और सहज मल्टी-एलिमेंट फ्यूजन के साथ ओपन-सोर्स अत्याधुनिक प्रदर्शन प्राप्त करता है।

एक ओपन-सोर्स LLM-सक्षम फाउंडेशन TTS सिस्टम

StoryMaker: टेक्स्ट-टू-इमेज जनरेशन में सुसंगत पात्रों की दिशा में।

ASR, VAD, LID और Punc मॉड्यूल के साथ एक अत्याधुनिक औद्योगिक-ग्रेड ऑल-इन-वन ASR सिस्टम। FireRedASR2 चीनी (मंदारिन, 20+ बोलियों/उच्चारणों), अंग्रेजी, कोड-स्विचिंग, और भाषण और गायन दोनों ASR का समर्थन करता है। FireRedVAD 100+ भाषाओं में भाषण/गायन/संगीत का समर्थन करता है। FireRedLID 100+ भाषाओं और 20+ चीनी बोलियों का समर्थन करता है। FireRedPunc चीनी और अंग्रेजी का समर्थन करता है।

फुल-डुप्लेक्स वॉयस इंटरैक्शन के लिए पूरी तरह से सेल्फ-होस्टेड समाधान।

एक SOTA इंडस्ट्रियल-ग्रेड Voice Activity Detection और Audio Event Detection, जो 100+ भाषाओं का समर्थन करता है और Silero-VAD, TEN-VAD, FunASR-VAD तथा WebRTC-VAD से बेहतर प्रदर्शन करता है।