xzf-thu

現実世界向けに構築された初の基礎 ASR：7つのアトミックな音響条件、54の複合シナリオ、260万件のサンプルを備え、他のモデルが機能しない環境でも SOTA と比較して最大約 30% の向上を実現。他のモデルが実環境で失敗した後に戻ってくるモデル。

Infrastructure for the next generation of voice agents, designed to provide universal memory. It is divided into a left brain and a right brain, storing information and emotions respectively, while a fully streaming architecture eliminates latency at the fundamental level.