语音大模型

通义百聆：阿里通义实验室推出的企业级语音基座大模型

通义百聆模型语音合成能力支持跨语种克隆，声音相似度领先。基于海量真实音频训练，覆盖金融、教育等多行业，能快速部署，助力企业高效落地语音应用。

企业级AI语音大模型通义实验室阿里通义

[推荐] 豆包网页版：支持AI聊天，AI图片生成，AI漫画生成，AI写作等

字节跳动开发的一款多功能人工智能工具，基于云雀模型（豆包大模型）构建。它不仅是一个AI聊天机器人，还具备多种功能，包括写作助手、英语学习助手、音乐生成、编程助理等。

AI写作平台AI图片生成AI漫画生成工具AI聊天助手

豆包语音大模型系列之AI说书

豆包语音大模型系列之AI说书功能通过其强大的语音合成能力和情感表达，为用户提供了媲美真人主播的听书体验。它不仅在技术上实现了突破，还通过实际应用为用户带来了更加丰富和自然的听书选择。

AI说书语音大模型豆包AI

一款由西北工业大学 ASLP 实验室开发的开源语音理解模型——OSUM

OSUM支持8种语音任务，包括语音识别（ASR）、带时间戳的语音识别（SRWT）、语音事件检测（VED）、语音情感识别（SER）、说话风格识别（SSR）、说话人性别分类（SGC）、说话人年龄预测（SAP）以及语音转文本聊天（STTC）。

西北工业大学语音大模型

TIGER：一款由清华大学研发的轻量级语音分离模型

实验结果显示，TIGER在EchoSet数据集上的表现优于其他模型，尤其是在EchoSet-500数据集上，性能提升了约5%。此外，TIGER在电影音频分离任务中也展现了强大的泛化能力，进一步证明了其在复杂声学环境中的适用性。

清华大学语音大模型