SLAM-LLM

基于 PyTorch 的语音工具包

Seed1.5-VL，一个视觉语言基础模型，旨在推进通用多模态理解和推理，在60个公开基准测试中的38个上达到最先进性能。

StreamSpeech是一个“全能”无缝模型，用于离线与实时语音识别、语音翻译和语音合成。

SincNet 是一种用于高效处理原始音频样本的神经架构。