Mini Mini-Omni 是一个开源的端到端语音对话模型，具备实时语音输入和输出的能力，能在对话中实现“边思考边说话”的功能。模型设计无需额外的自动语音识别（ASR）或文本到语音（TTS）系统，直接进行语音到语音的对话。Mini-Omni 采用文本指导的语音生成方法，通过批量并行策略提高性能，同时保持了原始模型的语言能力。它支持实时语音交互、文本和语音并行生成、跨模态理解等功能，适用于智能助手、客户服务 AI项目与工具 2025年06月12日 93 点赞 0 评论 571 浏览
MinMo MinMo是阿里巴巴通义实验室推出的多模态语音交互大模型，具备高精度语音识别与生成能力。支持情感表达、方言转换、音色模仿及全双工交互，适用于智能客服、教育、医疗等多个领域，提升人机对话的自然度与效率。 AI项目与工具 2025年06月12日 59 点赞 0 评论 575 浏览
VITA VITA-Audio 是一款开源的端到端多模态语音大模型，具备低延迟、高推理效率和多模态交互能力。其核心创新包括轻量级 MCTP 模块和四阶段渐进式训练策略，使模型在语音识别、文本转语音和口语问答等任务中表现优异。支持实时对话、智能客服、教育辅助、医疗辅助及内容创作等多种应用场景，适用于各类语音交互系统。 AI项目与工具 2025年06月11日 19 点赞 0 评论 581 浏览
AI Voice Cloning 一个提供超真实的AI语音克隆生成器，只需要3秒的音频样本就可以克隆英语、普通话、日语、韩语等语言的声音，生成与真人无异的逼真语音。 Ai语音工具 2025年06月05日 17 点赞 0 评论 601 浏览
