上海
分享至
品玩1月20日讯，无界方舟近日正式推出通用音频大模型「GPA」。该模型基于统一自回归 Transformer 架构，在单一框架内集成语音识别（ASR）、语音合成（TTS）与语音转换（VC）三大核心功能，打破传统语音系统碎片化 Pipeline 设计。
GPA 采用 0.3B 轻量参数规模，支持端侧高效部署，并通过统一离散音频 Token 空间与指令驱动机制，实现跨任务零样本切换，无需微调即可完成语音克隆等操作。其优化版本兼容 vLLM、llama.cpp、RKNN 等主流推理框架。
测试显示，GPA-0.3B 在中文 TTS 零样本场景下 CER 为 0.95%，优于同量级 F5-TTS；ASR 首 Token 延迟低至 157.5ms。目前模型代码已开源，限学术研究与个人教育用途。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
