audio-language-model

开源基于 LLM 的中文、方言、口音及多语种语音 ASR 模型家族，具备 FunASR、vLLM、流式与 llama.cpp 运行时。

我们介绍了音频逻辑推理（ALR）数据集，包含 6,446 个专为复杂推理任务设计的文本-音频标注样本。基于此资源，我们提出了 SoundMind，这是一种量身打造的基于规则的强化学习（RL）算法，旨在赋予音频语言模型（ALMs）深度双模态推理能力。

OmniVinci 是一个用于联合理解视觉、语音和语言的全模态 LLM。

全球首款具备个性化语音克隆功能的开源实时端到端语音对话模型。