StreamSpeech是一个实现流式ASR和同时语音翻译的多任务模型。

AudioLCM利用潜在一致性模型高效生成高质量文本到音频内容。

TimeUi 是一个用于 ComfyUI 的直观时间节点系统，简化了动画制作流程。

Seed-TTS是字节跳动推出的高质量多功能语音生成模型家族，几乎可生成与人类语音无异的声音。

MiniCPM-V是一系列可在手机上高效部署的多模态大模型，具备强大的图像和文本处理能力。

Stable Audio Open是一个开源的文本到音频生成模型，可生成长达47秒的音频样本和音效。