开源动态8
阶跃发布最强开源语音模型 Step - Audio 2 mini
Hugging Face
AI 摘要
阶跃星辰发布 Step - Audio 2 mini 语音大模型。它在多测试集达 SOTA，架构创新解决旧有问题，能精准识别、实时搜索、控制语速，还可应对哲学难题，现已上线开放平台。
阅读原文 · Hugging Face
社区供稿 | 开源SOTA：阶跃发布端到端语音大模型Step-Audio 2 mini！
阶跃星辰发布最强开源端到端语音大模型 Step - Audio 2 mini，在多个国际基准测试集获 SOTA 成绩。它统一建模语音理解等，率先支持语音原生 Tool Calling 能力，架构创新，案例展示其多方面强大能力。
关注公众号
扫码关注
第一时间收到每日精选
相关文章
推荐文章8
小众模型如何冲上Hugging Face热榜
本文拆解了网易有道新开源的真流式语音识别模型R2T2，从冷启动到登顶Hugging Face ASR热榜第一的完整路径，总结了小众开源模型冲榜的实操经验，对开源项目运营有较高参考价值。
AGI Hunt
产品应用8
豆包 Seed 2.0 Lite 升级，为 Agent 添视听能力
近期模型发布竞争激烈，作者做视频字幕常遇识别错误，因语音识别工具缺上下文。字节方舟的豆包 Seed 2.0 Lite 升级后能听，还可结合上下文准确输出字幕，成本降 20%，也能理解视频，为工作流补全感知。
花叔
产品应用8
阿里发布Fun - ASR1.5，语音识别超厉害
阿里发布语音识别大模型Fun - ASR1.5，可精准识别30种语言，覆盖中文七大方言体系及二十余种地方口音，强化古诗词诵读专项识别，后处理环节优化标点预测和文本归一化，降低人工成本。
千问大模型
推荐文章8
杨学锐：大模型重塑端到端语音模型
本文整理自阶跃星辰语音模型负责人杨学锐在2025年QCon全球软件开发大会的分享。介绍大模型对语音技术的重塑，涵盖识别、合成等方面；阐述端到端语音模型构建，涉及表征、架构、训推和任务；还提及模型评估方法。
InfoQ