korshunov.ai ML 世界的要闻一览
ZH-HANS
Voice & audio 页 1 / 2
arxiv arXiv cs.CL · 2 天前 · 13 次浏览

NemotronLabs 发布 VoiceChat，一款支持工具调用的开源全双工语音到语音模型

NemotronLabs 推出了 VoiceChat，这是一款开源权重的全双工语音到语音模型，旨在通过统一的流式架构整合监听、转录、推理和说话功能。该系统将流式语音编码器与仅解码器的语言模型相结合，并为智能体文本和结构化函数调用提供并行专用输出流，同时辅以用于增量用户转录的 RNN-T 分支。
arxiv arXiv cs.AI · 2 天前 · 13 次浏览

NemotronLabs 发布 VoiceChat，一款支持工具调用的开源全双工语音到语音模型

NemotronLabs 推出了 NemotronLabs VoiceChat，这是一款开源权重的全双工语音到语音模型，在统一的流式架构中集成了原生工具调用能力。该系统将流式语音编码器与仅解码器的语言模型相结合，提供用于智能体文本和结构化函数调用的并行输出流，同时配备辅助的 RNN-T 分支用于增量转录以及流式 TTS 解码器。