语音与音频

Apriel Voice 27B Preview 是一个开放语音语言模型，基于 Gemma 4 26B-A4B 构建，采用两阶段语音适配方案，统一语音理解、推理、对话和工具调用，同时保留文本和图像输入。

CoSTA 通过用 BPE 压缩的语音单元扩展生成词表、适配模型，并在未改动的解码器前将生成单元确定性展开，从而解耦 SDM 的生成与合成 token 空间，实现约 1.7× 的语音 token 生成加速。

Falcon 是单遍因果音视频目标说话人提取器，并与 RealSSA 基准配套；相比因果 AV-TFGridNet，它以显著更低的参数量、计算量和延迟获得强提取质量。