通义语音团队开源了语音基座大模型：SenseVoice和

马儿

通义语音团队开源了语音基座大模型：SenseVoice和CosyVoice。
SenseVoice多语言音频理解大模型：多语言语音识别在中文和粤语上相比Whisper相对提升+50%，推理速度快15倍，并且支持SOTA的情绪识别和音频事件检测。
CosyVoice多语言音频生成大模型：通过超过17万小时的多语言音频数据训练，支持多语言、音色和情感控制，CosyVoice则在多语言语音生成、零样本语音生成、跨语言声音合成和指令执行能力方面表现卓越。
Gi

加入社区,可阅读全站10w+资源

您尚未登录，请登录后操作

 非会员试读19%,加入社区后可阅读全文