多语言
3 published articles
大语言模型与模型4 min read
开放权重 TTS
Magpie TTS 在你的语音智能体延迟预算中占用了 32ms
Magpie TTS 报告在 NVIDIA B200 上的首音频时间为 32ms，并新增阿拉伯语、韩语和巴西葡萄牙语，使其语言列表达到 12 种。开放权重的卖点：自托管语音合成不再输掉延迟之争。
2026-08-16
Qwen / 阿里巴巴4 min read
Speech synthesis
Alibaba's new TTS model speaks 16 languages, laughs on command, and might actually ship
Alibaba's Qwen-Audio-3.0-TTS is a production-oriented speech synthesis system that combines a low-frame-rate tokenizer with progressive training. It supports 16 languages, 20 Chinese dialect regions, and natural-language instructions for emotion, pace, and speaking style.
2026-07-26
人工智能3 min read
文档AI
Mistral OCR 4 知道每个词的位置以及对其的信任程度
Mistral OCR 4 引入了结构化文档解析，提供边界框、区块分类和置信度分数。它在人工评估和基准测试中领先于其他领先的OCR系统，支持170种语言，并可在单个容器中运行以进行自托管部署。
2026-07-18