端侧全模态理解开源模型

AI代理测试和评估平台

基于OpenAI Whisper的自动语音识别与说话人分割，whisper-diarization官网入口网址

实时语音交互的人工智能对话系统。LSLM官网入口网址

一个具有先进语音活动检测、唤醒词激活和即时转录功能的稳健、高效、低延迟的语音到文本库。

将口语转化为优雅文字的AI写作工具，让写作变得轻松自然。

情感丰富的多模态语言模型

AI驱动的语音笔记应用，将语音转换为有组织的摘要和清晰的行动项。

多模态语言模型，融合文本和语音

语音驱动的AI助手，提升工作效率。

将语音转换为博客文章的助手

300行代码实现基于LLM的语音转录。WeST官网入口网址

最新多模态检查点，提升语音理解能力。Llama3-s v0.2官网入口网址

AI驱动的个人电脑助手，PC Agent官网入口网址

基于大型语言模型的语音识别技术。

实时浏览器端语音识别应用

语音助手插件，提升GPT交互体验，Voice Assistant Plugin for GPT官网入口网址

亚马逊全新基础模型理解语气、语调与节奏，提升人机对话自然度。

打造各类智能云服务器、智能终端以及智能机器人的核心处理器芯片，寒武纪官网入口网址

开源多模态大型语言模型，支持实时语音输入和流式音频输出。Mini-Omni官网入口网址

本地部署的AI语音工具箱，支持语音识别、转录和转换。Easy Voice Toolkit官网入口网址

多模态语音大型语言模型

多模态语音大型语言模型

Phi-4-multimodal-instruct 是微软开发的轻量级多模态基础模型，支持文本、图像和音频输入。

让Mumble Note将您的会议、任务、想法和快速笔记立即转换为笔记、待办事项和输出。