模型动态 共 6 条
模型发布与更新一览——点击卡片直达信源原文。
Nemotron 3.5 Transcribe 登顶 Artificial Analysis 说话人分离榜 ↗语音模型
Nemotron 3.5 Transcribe在 Artificial Analysis 新发布的Diarization Index以 3.3% 词级说话人错误率【排名第一】,领先 Voxtral Small Transcribe 3 的 7.5%,测试覆盖 2–8 人对话
tiny-voca:450 万参数全开放 TTS,CPU 上跑 70 倍实时 ↗语音模型
Bland 发布全双工语音到语音模型 Tofu-1 ↗语音模型
Bland 发布Tofu-1(研究预览),直接处理音频输入输出,支持说话人跟踪、噪声分离和【中途打断】,面向车载、病房等嘈杂场景,但未公布参数与延迟。
NVIDIA发布Déjà View高效三维重建模型 ↗三维重建
Déjà View仅117M参数,可从多视角照片恢复三维几何与相机位姿。五项基准达到或超过大十倍模型。
小红书开源dots.tts.edit V1.1语音编辑模型 ↗语音模型
dots.tts.edit V1.1支持局部修改文本、情绪、语速和停顿,并覆盖中英双语与多说话人编辑。
蚂蚁开源4B多模态决策模型SingVL ↗决策模型
SingVL_S1_4B可结合文本、JSON及四张图片进行单次前向打分。模型基于Qwen3.5。