芝麻 CSM — 语音生成模型

芝麻 CSM

AI GitHub 仓库

对话式语音生成模型，旨在增强语音合成能力。它允许开发者在 GitHub 上参与其开发，促进 AI 驱动的语音技术的协作与创新。芝麻 CSM 是一个对话式语音生成模型，旨在增强语音合成能力。它允许开发者在 GitHub 上参与其开发，促进 AI 驱动的语音技术的协作与创新。

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。

用于端到端语音处理的开源工具包。它提供了用于自动语音识别 (ASR)、文本到语音合成 (TTS) 和语音增强等任务的全面脚本和工具。用户可以使用其灵活的框架轻松运行推理、微调现有模型或实现自定义解决方案。ESPnet 是一个用于端到端语音处理的开源工具包。它提供了用于自动语音识别 (ASR)、文本到语音合成 (TTS) 和语音增强等任务的全面脚本和工具。用户可以使用其灵活的框架轻松运行推理、微调现有模型或实现自定义解决方案。

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。

OpenLLaMA

AI GitHub 仓库

Meta AI 的 LLaMA 7B 模型的一个允许自由许可的开源复现版本。它在 RedPajama 数据集上进行训练，提供 3B、7B 和 13B 参数版本，并提供 PyTorch 和 JAX 权重，可无缝集成到现有的 LLaMA 实现中。OpenLLaMA 是 Meta AI 的 LLaMA 7B 模型的一个允许自由许可的开源复现版本。它在 RedPajama 数据集上进行训练，提供 3B、7B 和 13B 参数版本，并提供 PyTorch 和 JAX 权重，可无缝集成到现有的 LLaMA 实现中。

Chatterbox Turbo

AI 模型

Resemble AI 开发的开源文本转语音模型，具有超快的性能，参数量为 3.5 亿，延迟为 75 毫秒。它支持从 5 秒的音频中进行声音克隆，并提供用于表现性输出的副语言标签。Chatterbox Turbo 是 Resemble AI 开发的开源文本转语音模型，具有超快的性能，参数量为 3.5 亿，延迟为 75 毫秒。它支持从 5 秒的音频中进行声音克隆，并提供用于表现性输出的副语言标签。

Quasar 438B | CompactifAI API

AI 模型

与 OpenAI 兼容的 LLM 推理 API，提供工具调用、结构化输出、多模态和语音转文本功能。由 Multiverse Computing 开发，支持高级推理和多样化应用的结构化输出。Quasar 438B 是一个与 OpenAI 兼容的 LLM 推理 API，提供工具调用、结构化输出、多模态和语音转文本功能。由 Multiverse Computing 开发，支持高级推理和多样化应用的结构化输出。

LaMDA

AI 模型

谷歌突破性的对话式AI模型，旨在就广泛的主题进行自由流畅的对话。它基于Transformer架构，专门针对对话数据进行训练，以理解诸如合理性和特异性等细微差别，从而实现更自然的人机交互和新的应用类别。LaMDA是谷歌突破性的对话式AI模型，旨在就广泛的主题进行自由流畅的对话。它基于Transformer架构，专门针对对话数据进行训练，以理解诸如合理性和特异性等细微差别，从而实现更自然的人机交互和新的应用类别。