从技术储备来看，我们的联合创始人钱彦旻教授是国内语音领域最优秀的科学家之一，也是全球范围内最早提出端到端语音对话模型的科学家之一，2019 年就发表了第一篇端到端语音对话模型的论文 … 梅杰：我们采用的是端到端语音交互架构，而传统方案是级联模型，人说话之后，先用 ASR 把语音转化成文字，然后把文字交给 LLM 去理解，LLM 输出文字之后再交给 TTS 合成语音输出 … 在超低延时和丰富情感语音交互、丰富情感语音生成、多说话人理解等方面全面对标国内外的一线语音模型厂商，如 Google，ElevenLabs，OpenAI，Hume AI 和 Sesame 等。
暂无讨论，说说你的看法吧