QwenAudio

推論、学習、デプロイのフルスタック機能を備えた多言語大規模音声生成モデル

Mandarin、Cantonese、English、Japanese、Korean向けのオープンソースのSenseVoiceSmallモデル。ASR、言語ID、感情認識、音声イベント検出に対応。

エージェントの対話、作業、存在感を維持するリアルタイム音声ランタイム。AI エージェント向けのリアルタイム音声ランタイム

中国語、方言、アクセント、多言語音声に対応した、オープンソースの LLM ベース ASR モデルファミリ。FunASR、vLLM、ストリーミング、llama.cpp ランタイムをサポート。

[NeurIPS 2025] Chain-of-Thought (CoT) 推論に誘導され、あらゆるモダリティから音声を生成する統合フレームワーク [ThinkSound] の PyTorch 実装

Fun-Audio-Chatは、自然で低レイテンシな音声対話のために構築された大規模音声言語モデルです。