QwenAudio

Modelo multilíngue de geração de voz de grande escala, oferecendo capacidade full-stack de inferência, treinamento e implantação.

Modelo SenseVoiceSmall de código aberto para ASR em mandarim, cantonês, inglês, japonês e coreano, identificação de idioma, reconhecimento de emoção e detecção de eventos de áudio.

Um runtime de voz em tempo real que mantém agentes falando, trabalhando e presentes. Runtime de voz em tempo real para agentes de IA

Família de modelos ASR de código aberto baseados em LLM para chinês, dialetos, sotaques e fala multilíngue, com runtimes FunASR, vLLM, streaming e llama.cpp.

[NeurIPS 2025] Implementação em PyTorch de [ThinkSound], uma estrutura unificada para gerar áudio a partir de qualquer modalidade, guiada por raciocínio Chain-of-Thought (CoT).

Fun-Audio-Chat é um Large Audio Language Model construído para interações de voz naturais e de baixa latência.