اوپن سورس۔ نئے امکانات۔

Voicebox ایک open-source، local-first AI voice studio ہے جو voice cloning، TTS، speech-to-text، global dictation، audio effects، MCP agent voice output، stories editor، captures اور REST API فراہم کرتا ہے۔

Premove ITN ایک اوپن سورس، سیاق و سباق سے آگاہ الٹا متن نارملائزیشن ٹول ہے جو انگریزی وائس ایجنٹ ٹرانسکرپٹس کے لیے ہے۔ یہ ASR آؤٹ پٹ کو معیاری تحریری شکلوں میں تبدیل کرتا ہے، جس میں DeBERTa اسکورنگ اور تین مرحلہ پائپ لائن استعمال ہوتی ہے۔

RunAnywhere ایک کراس-پلیٹ فارم SDK سویٹ ہے جو فونز، براؤزرز، ڈیسک ٹاپس، اور سرورز پر مکمل طور پر ڈیوائس پر AI ماڈلز کو چلانے کے لیے ہے۔ یہ ایک ہی سیمنٹک API کے ذریعے LLMs، ویژن، سپیچ، وائس ایجنٹس، RAG، ایمبیڈنگز، اور امیج جنریشن کو سپورٹ کرتا ہے۔

SenseVoiceSmall ایک اوپن سورس اسپیچ فاؤنڈیشن ماڈل ہے جو ASR، زبان کی شناخت، جذبات کی شناخت اور آڈیو ایونٹ کا پتہ لگانے کے لیے ہے، جس میں مینڈارن، کینٹونیز، انگریزی، جاپانی اور کورین شامل ہیں اور تیز غیر خود رجعت انفرنس فراہم کرتا ہے۔