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。
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）。
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。
