FireRedAudio 开源：9B 单模型听懂、推理、说话、编辑音频
aigclink · x · 2026-08-31
FireRedAudio 是小红书 FireRedTeam 开源的通用音频语言模型，基于共享的 9B 参数 LLM 主干，采用解耦的连续表示：Audio Encoder 通路负责理解，RedAE-Patch 通路负责语音生成，据称是首个公开的此类设计。
一个模型覆盖 ASR、音频理解、零样本 TTS、指令 TTS、语义/声学语音编辑，并支持对最长一小时录音的精确时间定位。官方 PyTorch 代码已在 GitHub 开源（FireRedTeam/FireRedAudio）。
所属事件:小红书开源 9B 通用音频语言模型 FireRedAudio(2 条相关)→
「多模态」频道最新
- 免细分位移表面几何查询新方法,焦散渲染方差降超10倍 — ssh4net · 2026-10-16
- AI 生成机械装配结构成功动起来,作者激动截图庆祝 — zetalyrae · 2026-10-16
- 复旦 OpenMOSS 开源 MOSS-Image-SFT:Apache 2.0 文生图模型 — bdsqlsz · 2026-10-16
- Hyperflow 开源：采样 49 步压到 8 步，视频生成提速约 3 倍 — mhdfaran · 2026-10-16
- 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