audio-language-model

開源基於 LLM 的中文、方言、口音及多語種語音 ASR 模型家族，具備 FunASR、vLLM、串流與 llama.cpp 執行階段。

我們介紹了音訊邏輯推理（ALR）資料集，包含 6,446 個專為複雜推理任務設計的文字-音訊標註樣本。基於此資源，我們提出了 SoundMind，這是一種量身打造的基於規則的強化學習（RL）演算法，旨在賦予音訊語言模型（ALMs）深度雙模態推理能力。

OmniVinci 是一個用於聯合理解視覺、語音和語言的全模態 LLM。

全球首款具備個人化語音複製功能的開源即時端對端語音對話模型。