音频模型

语音、音乐与音频理解模型 · 67 篇

2026年10月19日

语音模型11:18

Hugging Face 上线 FFASR：语音识别模型以后不能只在录音室级测试集上比了，要进真实环境扛噪抗混叠

0 次阅读阅读全文

2026年10月18日

语音模型11:19

小米开源 MiDashengLM-Spatial：给音频大模型装上"一双耳朵"，不光听懂声音还知道声音在哪

1 次阅读阅读全文

2026年10月16日

语音模型11:03

HeyGen Voice：AI 数字人公司自研语音模型，盲测榜空降第一

3 次阅读阅读全文

2026年10月15日

语音模型11:05

Grok Voice 3.0 发布：独立评测登顶第一，延迟不到 1 秒，价格与上代持平

6 次阅读阅读全文

2026年10月14日

语音模型11:15

Fish Audio 开放 Drama 3 权重：35B MoE 语音模型"听懂导演说戏"，一句话让 AI 重录一遍

2 次阅读阅读全文

2026年10月12日

语音模型00:11

苹果文件披露：收编 NotebookLM 音频团队创办的 AI 播客公司 Huxe，招人+买技术，不收购

0 次阅读阅读全文

2026年10月11日

语音模型11:10

Cloudflare 开源 Clef-omni：决策模型学会「听」音频了，一次前向直接出结构化判断

6 次阅读阅读全文

2026年10月10日

语音模型11:12

Gradium 一次上新 1000+ AI 声音：28 种口音、4 大用例，全部由“声音设计模型”生成

5 次阅读阅读全文

2026年10月8日

语音模型11:06

Amazon Nova 2.5 Sonic 正式商用：语音Agent能边聊边查订单了，价格还不变

5 次阅读阅读全文

2026年9月24日

语音模型11:05

Google 发布 Gemini 3.8 Flash TTS：一句话设计新声音，30 秒克隆真人，登顶 Hume 语音基准

10 次阅读阅读全文

2026年9月23日

语音模型11:05

阿里云栖大会升级 Qwen-Audio 3.1：能听懂情绪、按脚本生成整段有声内容，同传延迟压到 2.5 秒

3 次阅读阅读全文

2026年9月22日

语音模型11:08

Kyutai 一周内给 Pocket TTS 连更四刀：默认英语模型换新，还能训 Muon、跑波兰语

7 次阅读阅读全文

已显示 12 / 67 篇文章