MoshiVis–Kyutai开源的多模态实时语音模型
AI工具百科：
MoshiVis是什么
MoshiVis 是 Kyutai 推出的开源多模态语音模型，基于 Moshi 实时对话语音模型开发，增加了视觉输入功能。能实现图像的自然、实时语音交互，将语音和视觉...
TicVoice7.0–出门问问推出的第七代语音合成引擎
AI工具百科：
TicVoice 7.0是什么
TicVoice 7.0 是出门问问推出的第七代高品质 TTS（语音合成）引擎，基于新一代语音生成模型 SparkTTS 。TicVoice 7.0基于创新的 BiCodec 编码方式，...
SeniorTalk–智源联合南开开源的超高龄老年人中文对话语音数据集
AI工具百科：
SeniorTalk是什么
SeniorTalk 是智源研究院联合南开大学计算机学院人类语言技术实验室（HLT Lab）推出的全球首个中文超高龄老年人对话语音数据集。数据集包含202位75岁及...
Asyncflowv1.0–Podcastle推出的AI文本转语音模型
AI工具百科：
Asyncflow v1.0是什么
Asyncflow v1.0 是播客平台 Podcastle 推出的 AI 文本转语音模型。支持超过 450 种语音选项，能为文本内容生成高质量的语音朗读，适用于多种语言和...
MuyanTTS–开源文本转语音模型，零样本语音合成
AI工具百科：
MuyanTTS是什么
MuyanTTS 是为播客场景设计的开源文本转语音（TTS）模型。模型预训练超过10万小时的播客音频数据，能实现零样本语音合成，无需大量目标说话人的语音数据...
Aero1Audio–LMMsLab推出的轻量级音频模型
AI工具百科：
Aero1Audio是什么
Aero1Audio 是 LMMsLab 开发的轻量级音频模型，基于 Qwen2.51.5B 构建，仅包含 1.5 亿参数。专为长音频处理设计，能支持长达 15 分钟的连续音频输入，...
