Sarvam AI 发布多说话人语音识别模型 Saaras V4
itsOmSarraf_ · x · 2026-07-30
Sarvam AI 推出了其最新的语音识别模型 Saaras V4 Multi-speaker。该模型主打对复杂场景下多说话人交互及重叠对话的精准捕捉。
此外，模型在各种英语口音的识别上均达到了业界领先水平（SOTA），进一步突破了真实嘈杂环境下的语音转写瓶颈。
「多模态」频道最新
- 电影级 3D 奇幻角色提示词模板：机械残件甲胄风 — azed_ai · 2026-10-16
- Midjourney 复古木刻漫画风：--sref 参数直出海狸持刀图 — michaelrabone · 2026-10-16
- 网友将 MOSS-Image 量化为 INT8,在 ComfyUI 近乎无损运行 — East_Shoe8814 · 2026-10-16
- Tripo 旧金山首届世界构建黑客松落幕，World Labs 与 Runway 参与 — mhdfaran · 2026-10-16
- Pollo 推出 Recast 视频重绘工具,保留动作与口型,限时六折 — SimplyAnnisa · 2026-10-16
- Kling 4.0 强化文生视频：角色一致性、口型同步与对话表现升级 — CurieuxExplorer · 2026-10-16