Kimi-Audio 是 Moonshot AI 推出的开源音频基础模型，专注于音频理解、生成和对话任务。在超过 1300 万小时的多样化音频数据上进行预训练，具备强大的音频推理和语言理解能力。核心架构采用混合音频输入（连续声学 + 离散语义标记），结合基于 LLM 的设计，支持并行生成文本和音频标记，同时通过分块流式解码器实现低延迟音频生成。
（图片来源网络，侵删）
上一篇
Kimi-baidu09Audio – Moonshot AI 开源的音频基础模型
猜你喜欢
-
发布了文章 54秒前
Nova Sonic – 亚马逊推出的新型生成式 AI 语音模型
Nova Sonic 是亚马逊推出的新型生成式 AI 语音模型。将语音理解与生成能力整合到一个模型中，能根据说话者的语调、风格等声学上下文调整生成的语音响应，对话更自然。Nova Sonic 支持多语言，目前对美国英语和英国...
-
发布了文章 4分钟前
NotesGPT – 开源的AI语音笔记工具，实时转录文本自动生成行动项
NotesGPT是一款开源的AI驱动语音笔记工具，能将用户的语音笔记快速转录成文本，自动生成行动项。工具基于包括Convex数据库、Next.js框架、Together推理模型、Replicate的Whisper转录服务等先...
-
发布了文章 6分钟前
NotebookMLX – 将PDF文档转换成音频博客开源版的NotebookLM
NotebookMLX是开源版本的NotebookLM，集成NotebookLlama的功能，能将PDF文档转换成易于理解和分享的音频播客形式。项目基于MLX技术实现自然语言处理功能，包括PDF预处理、制作播客文本、文本重写...
-
发布了文章 9分钟前
NotebookLlama – Meta推出的PDF转播客内容的开源项目
NotebookLlama是Meta推出的将PDF文档转换成播客内容的开源项目。项目基于一系列自动化步骤实现，用LLaMa模型进行PDF预处理、生成播客脚本、增加戏剧化元素及文本转语音合成。整个过程无需人工干预，产出专业水准...
-
发布了文章 9分钟前
NoteLLM – 小红书推出的笔记推荐多模态大模型框架
NoteLLM 是小红书推出的针对笔记推荐的多模态大型语言模型框架。NoteLLM 基于生成笔记的压缩嵌入和自动生成标签类别，用大型语言模型（LLM）的强大语义理解能力，结合对比学习和指令微调技术，提升笔记推荐的准确性和相关...
-
发布了文章 9分钟前
NotaGen – 中央音乐学院联合北航、清华等推出的音乐生成模型
NotaGen 是中央音乐学院、北京航空航天大学、清华大学等机构推出的音乐生成模型，基于模仿大型语言模型（LLM）的训练范式生成高质量的古典乐谱。NotaGen 基于预训练、微调和强化学习相结合的方法，预训练阶段用超过160...
-
发布了文章 12分钟前
NodeTool – AI工作流可视化构建器，拖放节点设计复杂工作流
NodeTool是开源的AI工作流可视化构建器。NodeTool集成广泛的AI工具和模型，基于简单、可视化的界面，让用户无需编码即可快速原型设计和测试。NodeTool支持在本地GPU上运行AI模型，并与Hugging Fa...
-
发布了文章 15分钟前
NodeRAG – 开源基于异构图的智能检索与生成系统
NodeRAG 是基于异构图的检索增强生成（Retrieval-Augmented Generation，RAG）系统。通过构建包含多种节点类型的异构图，将文档信息和语言模型生成的见解整合在一起，支持多跳检索和细粒度信息提取...
全部评论
留言在赶来的路上...
发表评论