FireRedTeam

FireRed-OpenStorylineは、自然言語対話、LLMによるプランニング、正確なツールオーケストレーションを通じて、手動編集を意図駆動型ディレクションへと変換するAI動画編集エージェントです。再利用可能なスタイルスキルを備えた、一貫性のあるプロフェッショナルなストーリーテリングのための、透明性のあるヒューマン・イン・ザ・ループの創作を促進します。

中国語、方言、英語をサポートするオープンソースの産業グレード ASR モデル。パブリックな中国語 ASR ベンチマークで新たな SOTA を達成し、優れた歌声の歌詞認識能力も提供します。

マルチ話者対話生成のための長文ストリーミングTTSシステム

FireRed-Image-Editは、正確な指示追従、高忠実度の生成、優れたアイデンティティの一貫性、シームレスなマルチ要素融合により、オープンソースの最先端パフォーマンスを実現する強力な画像編集基盤モデルです。

オープンソースのLLMを活用した基盤TTSシステム

StoryMaker: テキストから画像への生成における一貫したキャラクター表現に向けて

ASR、VAD、LID、Punc モジュールを備えた SOTA の産業グレードオールインワン ASR システム。FireRedASR2 は中国語（標準語、20以上の方言/アクセント）、英語、コードスイッチング、音声および歌唱の ASR をサポートします。FireRedVAD は 100 以上の言語で音声/歌唱/音楽をサポートします。FireRedLID は 100 以上の言語と 20 以上の中国語方言をサポートします。FireRedPunc は中国語と英語をサポートします。

全二重音声インタラクションのための完全にセルフホスト可能なソリューション

100以上の言語をサポートし、Silero-VAD、TEN-VAD、FunASR-VAD、WebRTC-VAD を凌駕する、SOTA の産業グレードの音声アクティビティ検出（VAD）および音声イベント検出ライブラリ。