技术博客

昨日，一款名为Kimi-Audio的全新全能音频模型正式发布。该模型经过1300万小时以上的数据训练，集成了多项前沿语音技术，包括语音识别（ASR）、音频问答（AQA）、音频字幕（AAC）、语音情感识别（SER）、声音事件/场景分类（SEC/ASC）、文本到语音（TTS）、语音转换（VC）以及端到端语音对话功能。Kimi-Audio致力于实现语音技术的全面整合，为用户提供更智能、更高效的音频处理解决方案。

Kimi-Audio作为一款开源音频基础模型，在多项基准测试中展现了卓越的性能，总体表现稳居榜首。该模型在音频处理领域几乎没有明显的性能缺陷，为用户提供了高效、稳定的解决方案，成为行业关注的焦点。