Bland 发布 Tofu-1：面向通话的全双工语音模型
Bland 推出全双工语音到语音模型 Tofu-1，以研究预览形式开放给少数企业，面向行驶车辆、病房和弱信号通话场景，直接处理音频输入输出，无需中间转写。
要点
- Tofu-1 边听边说、边讲边推理，一个模型直接完成音频输入与输出，无需转写文本
- 音频能力含说话人跟踪、噪声分离，以及识别犹豫、沮丧、紧迫等副语言特征
- 支持通话者中途打断纠正；任务处理期间保持对话推进，完成后才报告结果
- 可生成通话场景音，含第二说话人、房间环境声与线路噪声
- 仅限少数企业研究预览，目标行业为银行、医疗、保险与政府，参数、延迟、定价未披露
阅读原文这里是中文要点整理，数字与细节以原文为准。
评论
还没有评论，来写第一条。