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

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 毫秒插图

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。