SpeechGPT 2.0-prévia

O primeiro sistema de interação em tempo real de nível humano orientado para inteligência contextual, suportando interação de voz multi-emocional e multi-estilo.

Produto ComumChatInteração de vozInteligência Artificial

Abrir Site

SpeechGPT 2.0-prévia é um modelo avançado de interação de voz desenvolvido pelo Laboratório de Processamento de Linguagem Natural da Universidade de Fudan. Treinado com uma grande quantidade de dados de voz, ele alcançou uma capacidade de interação de voz de baixa latência e alta naturalidade. O modelo pode simular expressões de voz com várias emoções, estilos e papéis, além de suportar recursos como chamada de ferramentas, pesquisa online e acesso a bancos de conhecimento externos. Suas principais vantagens incluem uma poderosa capacidade de generalização de estilo de voz, simulação de múltiplos papéis e experiência interativa de baixa latência. Atualmente, o modelo suporta apenas interação de voz em chinês, com planos futuros para expandir para mais idiomas.

Best AI Websites & Tools

SpeechGPT 2.0-prévia

SpeechGPT 2.0-prévia Situação do Tráfego Mais Recente

SpeechGPT 2.0-prévia Tendência de Visitas

SpeechGPT 2.0-prévia Distribuição Geográfica das Visitas

SpeechGPT 2.0-prévia Fontes de Tráfego

SpeechGPT 2.0-prévia Alternativas

SpeechGPT 2.0-prévia — O primeiro sistema de interação em tempo real de nível humano orientado para inteligência contextual, suportando interação de voz multi-emocional e multi-estilo.

Instella — Instella é um modelo de linguagem de código aberto de alto desempenho desenvolvido pela AMD, projetado para acelerar o desenvolvimento de modelos de linguagem de código aberto.

Migician — Migician é um modelo de linguagem grande multimodal focado na localização de imagens múltiplas, capaz de realizar localização precisa de imagens múltiplas de forma livre.

IndexTTS — Sistema de texto para voz (TTS) de amostra zero, eficiente e controlável em nível industrial

RAG-FiT — RAG-FiT é uma biblioteca para aprimorar a capacidade dos LLMs de usar informações externas, ajustando finamente os modelos com um conjunto de dados RAG aprimorado especialmente criado.

Tülu 3 405B — Tülu 3 405B é um modelo de linguagem de código aberto em larga escala, com desempenho aprimorado por meio de aprendizado por reforço.

Baichuan-M1-14B — Modelo de linguagem extenso de código aberto desenvolvido pela Baichuan Intelligence, otimizado para cenários médicos, com capacidades gerais excepcionais e desempenho superior na área médica.

Tencent-Hunyuan-Large — Modelo de especialista misto de larga escala de código aberto líder do setor

RWKV v6 Finch 14B — RWKV v6 Finch 14B, modelo de linguagem grande de código aberto, eficiente no processamento de textos longos.

MAP-NEO — Um modelo de linguagem grande completamente de código aberto, oferecendo capacidades avançadas de processamento de linguagem natural.

GraphRAG — Sistema ponta a ponta que combina extração de texto, análise de rede e prompts e resumos de modelos de linguagem grandes.

Qwen1.5-110B — Primeiro modelo de código aberto com 110 bilhões de parâmetros da série Qwen1.5, com suporte multilíngue e arquitetura de decodificador Transformer eficiente.

Yi-VL-34B — Modelo multimodal de código aberto avançado

NeoBase — NeoBase é um assistente de banco de dados AI de código aberto que permite que você interaja com o banco de dados usando linguagem natural.

Clone — Clone é um robô humanoide com tecnologia de músculos artificiais revolucionária Myofiber, capaz de caminhar naturalmente.

tablegpt-agent — Agente pré-construído do TableGPT2 para tarefas de perguntas e respostas baseadas em tabelas.

bRAG-langchain — Um projeto de código aberto para construir aplicativos de Geração Aumentada por Busca (Retrieval-Augmented Generation - RAG).

Qwen — Qwen Chat é uma ferramenta de bate-papo de inteligência artificial baseada em um modelo de linguagem avançado, oferecendo conversas inteligentes e diversas funcionalidades.

QwQ-Max-Preview — QwQ-Max-Preview é o mais recente resultado da série Qwen, construído com base no Qwen2.5-Max, e apresenta poderosas capacidades de raciocínio e aplicações em múltiplas áreas.

AlphaMaze-v0.2-1.5B — Método inovador para aprimorar a capacidade de raciocínio visual de grandes modelos de linguagem (LLMs) por meio da resolução de labirintos descritos em texto.

Moonlight — Moonlight é um modelo de especialista misto com 16 bilhões de parâmetros, treinado com o otimizador Muon, apresentando desempenho excepcional.

kg-gen — Ferramenta de IA que extrai grafos de conhecimento de qualquer texto.

hallucination-leaderboard — Um ranking que compara a taxa de alucinação de grandes modelos de linguagem (LLMs) ao resumir documentos curtos.

SkyReels-V1-Hunyuan-I2V — SkyReels V1 é um modelo de vídeo base, de código aberto e centrado no ser humano, focado na geração de vídeos de alta qualidade com nível cinematográfico.

OpenThinker-32B — OpenThinker-32B é um poderoso modelo de raciocínio de código aberto, projetado para aprimorar a capacidade de raciocínio com dados abertos.

Aplicativo OLMoE — Ai2 OLMoE é um aplicativo de modelo de linguagem de código aberto que roda em dispositivos iOS.

Huginn-0125 — Huginn-0125 é um modelo de profundidade recorrente com variáveis ​​latentes e 3,5 bilhões de parâmetros, especializado em raciocínio e geração de código.

FireRedASR — Modelo de Reconhecimento Automático de Fala (RAF) em mandarim padrão de nível industrial e código aberto, compatível com diversas aplicações.

Concierge IA — Interaja com seus aplicativos usando linguagem natural, melhorando sua produtividade e conveniência.

Zyphra — A Zyphra é uma empresa focada em tecnologia de inteligência artificial, oferecendo modelos de bate-papo e serviços relacionados.

Huginn-0125 — Huginn-0125 é um modelo de profundidade recorrente com variáveis latentes e 3,5 bilhões de parâmetros, especializado em raciocínio e geração de código.