BayLing-Speech
LLaMA-Omni es un modelo de interacción de voz de extremo a extremo de baja latencia y alta calidad construido sobre Llama-3.1-8B-Instruct, con el objetivo de lograr capacidades de voz al nivel de GPT-4o.
Utilice un sistema de alto rendimiento para gestionar grandes conjuntos de datos para proyectos de aprendizaje profundo.
Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.
Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.
Gratis · sin tarjeta · cancela cuando quierasLLaMA-Omni es un modelo de interacción de voz de extremo a extremo de baja latencia y alta calidad construido sobre Llama-3.1-8B-Instruct, con el objetivo de lograr capacidades de voz al nivel de GPT-4o.
BayLing-Speech tiene 3.1k estrellas en GitHub. Se ha bifurcado 225 veces. BayLing-Speech está escrito principalmente en Python. Se desarrolla activamente desde 2024. BayLing-Speech está disponible bajo la licencia Apache-2.0. Sus temas principales son: large-language-models, multimodal-large-language-models, speech-interaction, speech-language-model.
¿Qué es BayLing-Speech?
LLaMA-Omni es un modelo de interacción de voz de extremo a extremo de baja latencia y alta calidad construido sobre Llama-3.1-8B-Instruct, con el objetivo de lograr capacidades de voz al nivel de GPT-4o.
¿BayLing-Speech es de código abierto?
BayLing-Speech es un proyecto de código abierto. Se distribuye bajo la licencia Apache-2.0.
¿BayLing-Speech es gratis?
Sí. BayLing-Speech es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.
¿Bajo qué licencia está BayLing-Speech?
BayLing-Speech está disponible bajo la licencia Apache-2.0.
¿En qué lenguaje está escrito BayLing-Speech?
BayLing-Speech está escrito principalmente en Python.
Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.
[](https://olud.ai/project/bayling-models-bayling-speech.html)
Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.