开源动态8

阿里开源 TTS+ASR，支持跨语种音色克隆

开源星探2025-12-15

AI 摘要

阿里 FunAudioLLM 团队开源 Fun - CosyVoice3 0.5B 和 Fun - ASR - Nano 0.8B，前者实时 TTS，支持多语言和音色克隆；后者轻量级 ASR，能识别 31 种语言，适用于复杂场景，可搭建多种语音应用。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

谷歌TPU跑Kimi比英伟达GPU快57%

本文报道由vLLM原班人马创立的Inferact公司，联合谷歌优化后，16块谷歌TPU v7跑Kimi K3速度比同数量英伟达GB200快57%，相关代码已开源，详解了背后的技术优化思路。

本文基于Armin Ronacher的播客内容整理，拆解欧洲团队开发的极简Coding Agent Pi爆火的原因，分享Pi的设计哲学，以及对AI编码、开源、Agent发展的核心判断。

香港科技大学（广州）与微软亚洲研究院联合开源基于大语言模型的AI情商教练SocialCoach，支持用户在低风险模拟环境练习社交对话，练后提供逐字点评，可在线体验或本地部署，采用Apache 2.0协议可完全商用。

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。