跳到正文
  1. Hugging Face Blog71

    Phonon TTS 详解:端侧高质量语音模型与 Transformers 集成用法

    Phonon 团队回顾了两周前开源的端侧 TTS 模型,并详解其在 Transformers 中的接入方式。Phonon 提供约 65 MB 和 75 MB 两个尺寸,覆盖英语、法语、德语、西班牙语和葡萄牙语,内置 100 多个音色;其中 Phonon 31m 采用 Apache 2.0 许可,可商用,其余模型为 CC BY-NC 非商用许可。

    推荐理由:原文交代了 Phonon 的端侧语音方案、开源许可与榜单表现,并给出 Transformers 中的完整调用示例。

  1. Mistral AI80

    Mistral 发布 Voxtral 3 语音模型家族与语音智能体 SDK

    Mistral 发布 Voxtral 3 语音模型家族及基于 LiveKit 的语音智能体 SDK,把语音输入、推理、工具调用和语音输出整合为一条实时流式管线,单轮响应低于 1 秒。

    推荐理由:原文给出语音智能体 SDK 与转录、合成模型的完整规格和定价,可据此判断实时语音工作流的落地成本。

已经到底了