超低延迟的端到端语音模型！首次生成音频仅需53ms，比同级别模型快3-5倍！
VITA-Audio是一款由VITA团队开源的端到端语音模型，首次生成音频仅需53毫秒，比同类7B参数模型快3-5倍。它具有超低延迟、首向前向传播生成等优势，并支持多种任务。
VITA-Audio
VITA-Audio：一款高效的语音语言模型，能够快速生成音频和文本内容
VITA-Audio是一款高效的语音语言模型，显著降低音频生成延迟至53毫秒，并提升推理速度3-4倍。训练数据包含20万小时音频，已开源。