SALMONN
SALMONN是由清华大学电子工程系和字节跳动开发的大型语言模型(LLM),支持语音、音频事件和音乐输入。与仅支持语音或音频事件输入的模型不同,SALMONN可以感知和理解各种音频输入,从而获得多语言语音识别和翻译以及音频-语音共推理等新兴能力。这可以被视为给予LLM“听觉”和认知听觉能力,使SALMONN成为通向具有听觉能力的人工通用智能的一步。
需求人群:
“SALMONN可以应用于语音识别、语音翻译、音频处理等领域。”
使用场景示例:
输入:gunshots.wav,输出:…
输入:duck.wav,输出:…
输入:music.wav,输出:…
产品特色:
多语言语音识别
多语言语音翻译
音频-语音共推理
© 版权声明
文章版权归作者所有,未经允许请勿转载。
THE END