# 低延遲處理

TEN VAD 是一個低延遲、輕量級、高性能的流式語音活動檢測系統，適用於即時語音處理場景。

專為越南語優化的Whisper Large-v3 Turbo語音識別模型，支持多語言，具有極速響應和高準確度

專為越南語優化的Whisper Large-v3 Turbo語音識別模型，支持多語言即時轉錄

OmniParser是一款通用屏幕解析工具，能夠將UI截圖解釋/轉換為結構化格式，以提升基於LLM的UI代理性能。

LLaVA-Mini是一款高效的多模態大模型，通過僅使用1個視覺令牌表示圖像，顯著提升了圖像和視頻理解的效率。

VITA-1.5是一個多模態交互模型，旨在實現GPT-4o級別的即時視覺與語音交互能力。

這是一個基於冪集多類交叉熵損失的說話人分割模型，能夠處理10秒單聲道音頻，輸出說話人分割結果。

這是一個基於RVC（Retrieval-based Voice Conversion）技術的語音轉換模型，可以將輸入音頻轉換為皮卡丘風格的語音。

這是一個RVC（Retrieval-based Voice Conversion）模型，用於音頻轉音頻任務。

這是一個RVC（Retrieval-based Voice Conversion）模型，用於音頻到音頻的轉換任務。

這是一個RVC（Retrieval-based Voice Conversion）模型，用於音頻到音頻的轉換任務。

這是一個基於 RVC (Retrieval-based Voice Conversion) 技術的語音轉換模型，可以將輸入音頻轉換為海綿寶寶的聲音。

這是一個基於RVC（Retrieval-based Voice Conversion）技術的語音轉換模型，可以將源語音轉換為目標語音風格。

這是一個RVC（Retrieval-based Voice Conversion）模型，用於音頻轉音頻任務。

這是一個基於RVC（Retrieval-Based Voice Conversion）技術的語音轉換模型，可將輸入音頻轉換為坎耶·韋斯特的聲音風格。

這是一個基於RVC（Retrieval-Based Voice Conversion）技術的音頻轉換模型，專門用於將輸入音頻轉換為賈斯汀·比伯（Justin Bieber）風格的語音。

這是一個基於RVC（Retrieval-Based Voice Conversion）技術的語音轉換模型，能夠將輸入音頻轉換為特定角色的聲音。

這是一個基於RVC（即時語音轉換）技術的模型，專門用於將輸入語音轉換為Chester Bennington風格的語音。

這是一個RVC（Retrieval-Based Voice Conversion）語音轉換模型，用於音頻到音頻的轉換任務。

即時語音轉換模型，支持航海等場景的即時語音轉換

這是一個RVC（Retrieval-Based Voice Conversion）模型，用於音頻到音頻的轉換任務。

這是一個基於ESPnet框架訓練的語音增強模型，專門用於處理wsj0_2mix數據集中的混合語音信號分離任務。

基於wav2vec2-large-xlsr-53的自動語音識別模型，在GARY109/AI_LIGHT_DANCE數據集上微調

基於Doogie/Waynehills-STT-doogie-server微調的語音識別模型