阶跃刚刚发布了一个开源的端到端的音频模型(输入是音频，输出也是音频，可以实现对话)。帮大家整理了下模型性能。目前来看跟GPT-4o打得有来有回, 其中翻译和ASR(自动语音识别)性能是领先的，对话能力差一点，稍后为大家带来评测！模型地址：

#开源 #音频模型 #Step #GPT-4o #语音识别

相关新闻

𝗖𝘆𝗱𝗶𝗮𝗿

1天前

既然都创业了，没钱归没钱，该留下总归得留下点什么，团队小伙伴根据 PDF.js 优化了一个新的版本，无论从代码结构、兼容性、交互界面，都做了优化，现在和 Juchats 已经深度融合，目前支持 npm 安装，后续会完全开源出来。先把 PDF 预览做好，后面陆陆续续抽空会上更多内容，我们抽空会做以下优化： - 持续优化组件结构，全部解耦，支持自定义组件 - 持续优化性能、体验、界面 - 体验地址

ilovelife

1天前

#每日推荐开源任务管理系统 DooTask是一款开源在线项目任务管理工具，提供各类文档协作工具、在线思维导图、在线流程图、项目管理、任务分发、即时IM，文件管理等工具；同时消息功能使用非对称加密技术让你的沟通更安全。

Gorden Sun

1天前

有个做AI的同学说：他们老板的画饼速度，都赶不上大厂的开源速度。 DeepSeek之后，阿里、腾讯、字节的开源又快又好又强。

Tw93

1天前

微软开源的这个 21 Lessons, Get Started Building with Generative AI 值得一看，用 21 节课来学习构建生成式 AI 应用，新鲜内容，适合新手跟着一步一步走下去。 🤖

GitHubDaily

2天前

在使用 Cursor、Cline 这些 AI 编程工具，有时候它们会无脑执行一堆命令，既浪费时间又增加开发成本。面对这个问题，可以使用 Interactive Feedback MCP 这个开源的 MCP 服务器。安装了这个 MCP 后，AI 助手在执行任务前会主动询问我们的意见，避免了盲目执行无效的开发任务。 GitHub：主要功能： - 在 AI 执行命令前后加入人工确认 -

关联事件

OpenAI新德里发布会：ChatGPT语音翻译功能引发热议

385

在新德里举行的活动中，OpenAI宣布即将推出o3-Pro模型，取代现有的o1-Pro模型，旨在提升ChatGPT的推理能力和功能。同时，OpenAI还发布了ChatGPT高级语音模式的升级，新增了自然停顿、重音处理、同理心表达和双向自动翻译等功能。这一更新已向所有付费用户开放，预计将进一步增强ChatGPT的用户体验和市场竞争力。随着用户基数的不断扩大，OpenAI的这些新功能引发了广泛关注，尤其是在人工智能语音交互领域的应用潜力。