开源
Parakeet TDT 0.6B
Parakeet TDT 0.6B 是一款由英伟达开发的开源自动语音识别(ASR)模型,采用 FastConformer 和 TDT 架构,具备高速转录、高精度识别、歌词转录、文本格式化等功能。模型在 Hugging Face Open ASR Leaderboard 中表现优异,实时因子高达 3386,适用于会议记录、法律医疗、字幕生成及音乐索引等多种场景。
Fish Speech 1.5
Fish Speech 1.5是一款基于深度学习的文本转语音(TTS)工具,支持多语言文本输入,通过Transformer、VITS、VQVAE和GPT等技术实现高质量语音合成。它具备零样本和少样本语音合成能力,延迟时间短,无需依赖音素,泛化性强,且支持本地化部署。Fish Speech 1.5可应用于有声读物、辅助技术、语言学习及客户服务等多个领域。
Quanta Quest
Quanta Quest是一款基于开源技术的AI工具,通过RAG技术整合个人数据源(如Gmail、Dropbox、Notion等),提供智能化搜索功能。它强调数据隐私和本地化处理,支持多平台连接,可构建全面的知识库并提供个性化搜索体验。主要功能包括数据整合、AI驱动的智能搜索、隐私保护及多平台兼容性。
