Voila，又一款开源语音识别到语音生成的端到端模型，对话延迟降至195毫秒， 支持英语、中文等六种语言。

性能亮点
· Voila Benchmark：准确率30.56%，远超 SpeechGPT（13.29%）、Moshi（11.45%）
· ASR：词错误率（WER）低至2.7%（含训练数据），媲美 Whisper
· TTS：WER 低至2.8%，优于 Vall-E、Moshi

#微博兴趣创作计划# #AI生活指南# http://t.cn/A6d1rNgy