BayLing-Speech
LLaMA-Omni est un modèle d'interaction vocale de bout en bout à faible latence et de haute qualité construit sur Llama-3.1-8B-Instruct, visant à atteindre des capacités vocales au niveau de GPT-4o.
Utilisez un système haute performance pour gérer de grands ensembles de données pour des projets d'apprentissage profond.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout momentLLaMA-Omni est un modèle d'interaction vocale de bout en bout à faible latence et de haute qualité construit sur Llama-3.1-8B-Instruct, visant à atteindre des capacités vocales au niveau de GPT-4o.
BayLing-Speech compte 3.1k étoiles sur GitHub. Il a été forké 224 fois. BayLing-Speech est écrit principalement en Python. Il est développé activement depuis 2024. BayLing-Speech est disponible sous licence Apache-2.0. Ses principaux thèmes sont : large-language-models, multimodal-large-language-models, speech-interaction, speech-language-model.
Qu'est-ce que BayLing-Speech ?
LLaMA-Omni est un modèle d'interaction vocale de bout en bout à faible latence et de haute qualité construit sur Llama-3.1-8B-Instruct, visant à atteindre des capacités vocales au niveau de GPT-4o.
BayLing-Speech est-il open source ?
BayLing-Speech est un projet open source. Il est distribué sous licence Apache-2.0.
BayLing-Speech est-il gratuit ?
Oui. BayLing-Speech est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
Sous quelle licence est BayLing-Speech ?
BayLing-Speech est disponible sous licence Apache-2.0.
Dans quel langage BayLing-Speech est-il écrit ?
BayLing-Speech est écrit principalement en Python.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://opensourceai.tech/project/bayling-models-bayling-speech.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.