音频模型

新纪录！小米又抛出一个开源模型，在22个公开评测集上实现SOTA，主打声音理解

作者

小米发布MiDashengLM-7B音频模型，通过统一理解语音、环境声与音乐的跨领域能力提高用户场景理解的泛化性。该模型基于公开数据集进行预训练和有监督微调，展示了在多项关键任务上的优势，并支持在边缘设备上部署。

OpenAI 发布新型音频模型，听起来比以往任何时候都更像人类

作者

OpenAI发布了两款新的音频模型GPT-4o-transcribe和GPT-4o-mini-transcribe，旨在提升语音转文本的准确性，并引入可操控性文本转语音功能。此举为自然、直观的口语对话迈出了重要一步。

重磅！OpenAI推出语音智能体全家桶：可以实现前所未有的精细化教AI说话

作者

OpenAI发布了三种新的先进音频模型：两款语音转文本模型表现优于Whisper，新TTS模型可教AI说话。为了让开发者构建强大的‘语音智能体’，OpenAI推出了三项重要功能：全新语音转文本模型、文本转语音模型和升级版Agent SDK。