NeuDecide

Bark AI Model

AI 模型

Suno开发的基于变换器的文本到音频模型，能够生成真实的多语言语音和其他音频形式。它支持通过预训练模型检查点进行推理的研究。Bark是Suno开发的基于变换器的文本到音频模型，能够生成真实的多语言语音和其他音频形式。它支持通过预训练模型检查点进行推理的研究。

芝麻 CSM — 语音生成模型

AI 模型

对话式语音模型，能够从文本和音频输入生成音频代码。它利用 Llama 主干，旨在用于研究和教育目的，促进 AI 技术的负责任使用。芝麻 CSM 是一个对话式语音模型，能够从文本和音频输入生成音频代码。它利用 Llama 主干，旨在用于研究和教育目的，促进 AI 技术的负责任使用。

Inkling 模型卡 - 思维机器实验室

AI 模型

拥有 9750 亿参数的多模态 AI 模型，专为开发者设计。它接受文本、图像和音频输入，生成文本输出，适用于各种应用，包括聊天机器人和编码助手。以开放权重发布，支持研究和集成到第三方产品中。Inkling 是一个拥有 9750 亿参数的多模态 AI 模型，专为开发者设计。它接受文本、图像和音频输入，生成文本输出，适用于各种应用，包括聊天机器人和编码助手。以开放权重发布，支持研究和集成到第三方产品中。

OpenAI Whisper 模型

AI 模型

用于自动语音识别和翻译的预训练模型。它支持多种语言，并设计为在不同数据集上进行泛化，无需微调，使其在各种 ASR 任务中具有多功能性。OpenAI Whisper 是一个用于自动语音识别和翻译的预训练模型。它支持多种语言，并设计为在不同数据集上进行泛化，无需微调，使其在各种 ASR 任务中具有多功能性。

NVIDIA NemotronLabs VoiceChat

AI 模型

实时全双工语音模型，用于对话式人工智能。它将语音理解和生成集成在一个架构中，减少延迟并增强自然对话流。NVIDIA NemotronLabs VoiceChat 是一个实时全双工语音模型，用于对话式人工智能。它将语音理解和生成集成在一个架构中，减少延迟并增强自然对话流。

gemma-3n-E4B-it 模型

AI 模型

谷歌推出的一款轻量级、先进的人工智能模型，旨在低资源设备上高效执行。它支持多模态输入，处理文本、图像、视频和音频，并生成具有开放权重的文本输出，适用于预训练和指令调优的变体。Gemma-3n-E4B-it 是谷歌推出的一款轻量级、先进的人工智能模型，旨在低资源设备上高效执行。它支持多模态输入，处理文本、图像、视频和音频，并生成具有开放权重的文本输出，适用于预训练和指令调优的变体。

Dia-1.6B AI模型

AI 模型

Nari Labs开发的文本转语音模型，具有16亿个参数。它能够从文本生成逼真的对话，支持情感和语调控制，并能够产生非语言声音。目前仅支持英语。Dia-1.6B是Nari Labs开发的文本转语音模型，具有16亿个参数。它能够从文本生成逼真的对话，支持情感和语调控制，并能够产生非语言声音。目前仅支持英语。

Gemma 3n 模型

AI 模型

谷歌推出的一系列轻量级开源 AI 模型，旨在低资源设备上高效执行。它支持多模态输入，包括文本、图像、视频和音频，并生成文本输出。这些模型通过选择性参数激活技术优化了性能。Gemma 3n 是谷歌推出的一系列轻量级开源 AI 模型，旨在低资源设备上高效执行。它支持多模态输入，包括文本、图像、视频和音频，并生成文本输出。这些模型通过选择性参数激活技术优化了性能。