Inworld AI 发布了 Sava,一个用于语义声学语音活动检测的新型开源模型。Sava 能够区分语音、咳嗽和笑声等非语音声音,并实时检测说话者的轮次结束。该模型在约 5,000 小时的多样化音频数据上进行了训练,并与 Silero VAD 和 Pipecat 等现有模型进行了基准测试。 AI
影响 这个开源模型通过提供更准确的语音和轮次检测,有望改善应用程序中的实时语音交互。
排序理由 该条目描述了一个具有技术细节和基准测试的新型开源模型的发布。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Trending Models 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →