GLM-TTS

用于日常对话的生成式语音模型。

Stream-Omni是一个类似GPT-4o的语言-视觉-语音聊天机器人，同时支持跨多种模态组合的交互。

ZerolanCore集成了多种开源、可本地部署的AI模型，旨在整合大语言模型(LLM)、自动语音识别(ASR)、文本转语音(TTS)、图像描述、光学字符识别(

[Interspeech 2025] DualCodec: 一种低帧率、语义增强的神经音频编解码器。