语音转录模型
最近开源大模型Kimi k2占据首位；Voxtral Small作为声音模型在huggingface上表现突出。它能够进行长格式转录和理解，支持多种语言，并能直接通过语音调用功能。此外，Voxtral还提供了两种版本：24B变体用于生产规模应用，3B变体适用于本地和边缘部署。
语音模型
超低延迟的端到端语音模型！首次生成音频仅需53ms，比同级别模型快3-5倍！
VITA-Audio是一款由VITA团队开源的端到端语音模型，首次生成音频仅需53毫秒，比同类7B参数模型快3-5倍。它具有超低延迟、首向前向传播生成等优势，并支持多种任务。
MCP技术总结及推理大模型强化学习机制分析
今日记录了MCP相关进展及语音大模型和推理大模型的最新情况，包括Kimi开源语音模型、关于推理能力实证分析的研究，以及Model Context Protocol (MCP) 的综述等内容。
亚马逊推出全新 AI 语音模型 Nova Sonic了
近日，亚马逊发布了新一代语音模型Nova Sonic，并以显著的价格优势直接挑战OpenAI和谷歌。通过自研芯片、弹性算力调度及Alexa庞大的用户数据，亚马逊构建了独特的成本控制体系，意图重塑全球AI权力版图。