# 低遅延処理

TEN VADは、リアルタイム音声処理シナリオに適した、低遅延で軽量、高性能なストリーミング音声活動検出システムです。

ベトナム語に最適化されたWhisper Large-v3 Turbo音声認識モデルで、多言語をサポートし、超高速応答と高精度を実現

ベトナム語に最適化されたWhisper Large-v3 Turbo音声認識モデルで、多言語リアルタイム書き起こしをサポート

OmniParserは汎用スクリーン解析ツールで、UIスクリーンショットを解釈/構造化フォーマットに変換し、LLMベースのUIエージェントの性能を向上させます。

LLaVA-Miniは効率的なマルチモーダル大規模モデルで、1つの視覚トークンだけで画像を表現することで、画像や動画理解の効率を大幅に向上させています。

VITA-1.5はマルチモーダルインタラクションモデルで、GPT-4oレベルのリアルタイム視覚と音声インタラクション能力を実現することを目的としています。

これはパワーセットマルチクラス交差エントロピー損失に基づくスピーカーセグメンテーションモデルで、10秒のモノラル音声を処理し、スピーカーセグメンテーション結果を出力できます。

これはRVC（Retrieval-based Voice Conversion）技術に基づく音声変換モデルで、入力音声をピカチュウ風の音声に変換できます。

これはRVC（Retrieval-based Voice Conversion）モデルで、オーディオからオーディオへの変換タスクに使用されます。

これはRVC（Retrieval-based Voice Conversion）モデルで、オーディオからオーディオへの変換タスクに使用されます。

これはRVC（Retrieval-based Voice Conversion）モデルで、音声から音声への変換タスクに使用されます。

これはRVC (Retrieval-based Voice Conversion) 技術に基づく音声変換モデルで、入力音声をスポンジ・ボブの声に変換できます。

これはRVC（Retrieval-based Voice Conversion）技術に基づいた音声変換モデルで、ソース音声をターゲット音声スタイルに変換できます。

これはRVC（Retrieval-based Voice Conversion）モデルで、オーディオからオーディオへの変換タスクに使用されます。

これはRVC（Retrieval-Based Voice Conversion）技術に基づく音声変換モデルで、入力オーディオをカニエ・ウェストの声スタイルに変換できます。

これはRVC（Retrieval-Based Voice Conversion）技術に基づくオーディオ変換モデルで、入力オーディオをジャスティン・ビーバー（Justin Bieber）スタイルの音声に変換するために特別に設計されています。

これはRVC（Retrieval-Based Voice Conversion）技術に基づく音声変換モデルで、入力音声を特定のキャラクターの声に変換できます。

これはRVC（リアルタイムボイスチェンジ）技術に基づくモデルで、入力音声をChester Benningtonスタイルの音声に変換するために特別に設計されています。

これはRVC（Retrieval-Based Voice Conversion）音声変換モデルで、オーディオからオーディオへの変換タスクに使用されます。

リアルタイム音声変換モデル、航海などのシーンでのリアルタイム音声変換をサポート

これはRVC（Retrieval-Based Voice Conversion）モデルで、音声から音声への変換タスクに使用されます。

これはESPnetフレームワークで訓練された音声強調モデルで、wsj0_2mixデータセットの混合音声信号分離タスクに特化しています。

wav2vec2-large-xlsr-53をベースにした自動音声認識モデルで、GARY109/AI_LIGHT_DANCEデータセットでファインチューニングされています

Doogie/Waynehills-STT-doogie-serverをファインチューニングした音声認識モデル