音频大模型-全球

Voxtral是由Mistral推出的开源语音识别模型，旨在提供高效的语音理解和转录服务

OpenAudio S1 是 Fish Audio 最新推出的文本转语音（TTS）模型，基于超过 200 万小时的音频数据进行训练，旨在提供高度自然的语音合成体验

Amazon Nova Sonic是一款全新的基础模型，旨在为人工智能应用程序提供自然、类似人类的语音对话体验

Octave TTS 是由 Hume AI 开发的一种新型文本到语音（TTS）模型，旨在生成具有情感和个性化的 AI 语音

Zonos是一个开源的文本到语音（TTS）模型，提供高质量、自然的语音生成，支持多种语言，并具备即时语音克隆的能力

PlayDialog是一个先进的AI语音模型，旨在提供流畅且富有表现力的对话体验

Meta Movie Gen 是 Meta 公司最新推出的生成式人工智能（AI）工具，旨在通过文本提示生成高质量的视频和音频内容