Gazelle Speech Language Model

Gazelle是Tincans的联合语音语言模型 - 有关更多详细信息和及时的想法，请参阅我们的V0.2公告。这是一个早期的研究预览 - 请调节期望！瞪羚可以将文本和音频作为输入（互换）并以输出的形式生成文本。您可以通过TTS提供商进一步将文本输出综合为音频（此处未实现）。一些示例任务包括转录音频，回答问题或了解口语音频。这种方法对于延迟和对话质量重要的业务用例（例如客户支持，出站销售等等）将是优越的。 存在已知限制！该模型仅在英语音频上接受培训，并且预计不会与其他语言合作。同样，该模型还不能很好地处理口音。 Gradio演示可能具有带有音频采样率的错误。我们也只接受单个音频输入（麦克风或上传）。 推理是通过模式上的无服务器GPU进行的。因此，您可能会在首次使用时会遇到冷启动延迟（约30秒），但是随后的响应将更快。该演示不是针对推理速度进行优化的，而是为了展示瞪羚的功能。我们不存储任何答复。

Gazelle是一个由Tincans开发的联合语音语言模型，能够接收文本和音频输入并生成文本输出，旨在通过处理语音和文本来提升商业场景中的交互质量和效率。