Voila,开源的端到端的语音语言基础模型,实时、自主和丰富的语音交互,延迟低至 195 毫秒,支持超过 100 万种预构建语音,并从短至 10 秒的简短音频样本中高效定制新语音,支持自动语音识别 (ASR)、文本转语音 (TTS),以及只需最少调整即可实现多语言语音翻译。
项目地址:https://voila.maitrix.org/
Github地址:https://github.com/maitrix-org/Voila
论文地址:http://arxiv.org/abs/2505.02707
模型下载地址:https://huggingface.co/collections/maitrix-org/voila-67e0d96962c19f221fc73fa5
在线体验:https://huggingface.co/spaces/maitrix-org/Voila-demo
微信扫描下方的二维码阅读本文
声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。
评论(0)