开源语音DeepSeek登顶HuggingFace，百万围观引爆多模态热潮
机器之心的发布
随着大模型技术的飞速迭代，语音交互正经历一场深刻变革。过去那种“语音转文本（ASR）——文本理解——文本转语音（TTS）”的串联式架构，正在逐步让位于端到端的实时语音生成技术。这一转变至关重要，它不仅决定了交互的延迟和流畅度，更直接关系到语音系统在真实生产场景中的可用性。
在传统的级联式架构中，语音识别、文本理解和语音合成等任务由不同模块分头负责，这种模式在早期应用中获得了一定成功。然而，随着人们对实时性和低延迟的要求不断提高，端到端语音交互系统逐渐成为主流。这种系统将各个任务深度集成，大幅减少了中间转换步骤，从而显著提升了响应速度，使交互变得更加即时和自然。
近期，FlashLabs 发布并开源了其实时语音模型 Chroma 1.0，该项目定位为全球首个开源的端到端语音到语音模型。
Chroma 1.0 一经发布，便在社交媒体上引发了广泛关注和热烈讨论，相关话题迅速升温。其 X 平台官方帖子的浏览量已轻松突破百万。
多位知名的 X 平台博主对 Chroma 1.0 给出了高度评价。
此外，在 HuggingFace 的多模态榜单中，Chroma（4B 版本）同样表现出色，位列榜首。
该模型的研发负责人是 FlashLabs 创始人石一（Yi Shi）：
从公开信息和技术实现来看，Chroma 并非对现有语音模型的简单改进，而是一次围绕“实时性”目标展开的系统级重构。
相关攻略
头图由智象未来AI大模型生成智东西作者 王涵编辑 漠影在演唱会、各大晚会的舞台上，机器人伴舞团以整齐划一、精准卡点的舞姿惊艳全场。这种整齐划一不仅是硬件的胜利，更是“训练有素”的结果。具身智
智东西编译 陈佳编辑 程茜智东西4月3日消息，今日谷歌DeepMind开源发布Gemma 4系列模型，根据最新博客，这是谷歌迄今为止最智能的开放模型，专为高级推理和智能体工作流而设计，实现了单位参数
带着 Seedance 2 0 和 ArkClaw 两件新武器，火山引擎开始席卷 MaaS 市场。作者｜郑玄两年前，火山引擎说要 All in Token 的时候，很多人觉得这是一句正确但空洞的口号
一个学生忽视了一行代码，结果发现了一件很不对劲的事：在一个多模态医学AI项目中，这行代码原本负责让模型读取图像数据。但因为这次疏忽，模型实际上完全没有看到任何图片。按理说系统应该报错，或者至少拒绝回
智通财经APP获悉，中信证券发布研报称，2026年以来，国产大模型厂商聚焦Agent及代码能力升级，竞相发布新模型。即将发布的DeepSeek下一代新模型有望延续高性价比开源模型路线，在能力上实现更
热门专题
热门推荐
华硕ROG正式发布2026款枪神、魔霸及魔霸新锐系列游戏本并开启预约。枪神系列分为标准版与超竞版，均搭载酷睿Ultra9处理器，超竞版可选RTX5090显卡并配备光显矩阵屏。魔霸系列采用AMD锐龙处理器，高配可选锐龙99955HX3D与RTX5070Ti显卡。魔霸新锐系列主打性价比，配备RTX5060显卡，面向预算有限的玩家。
内存价格高企，单通道DDR5成为高性价比装机方案，但会降低游戏性能。测试显示，锐龙59600X凭借Zen5大核架构及对内存低延迟的优化，在搭配单条DDR56000内存时，游戏性能损失较小。相比之下，酷睿Ultra200SPLUS系列更依赖高带宽，单通道下性能下滑明显。在多款热门电竞网游实测中，锐龙59600X性能领先，且整机性价比优势显著。
神牛发布ML40系列摄影灯，包含ML40Bi和ML40R两款。ML40Bi售价568元，内置锂电池，支持边充边用及NFC快速连接，侧重便携智能。ML40R售价698元，具备更广色温调节范围，侧重专业色彩控制。两者均采用磁吸设计，兼容丰富附件，满足不同布光需求。
华硕TUFGaming系列推出新款850W白金重炮手氮化镓电源，到手价849元。该电源符合ATX3 1规范，长度150mm，采用全模组设计，配备12V-2×6接口支持600W峰值功率。其获得双白金效率认证与A-噪声认证，内部使用氮化镓元件与长寿电容，搭配135mm静音风扇，并提供8年质保，主打高效、安静与持久稳定。
FalconUSD（USDF）是一种与美元挂钩的稳定币，旨在为Web3生态系统提供可靠的交易媒介和价值储存工具。其运作依赖于储备资产支持和透明审计机制，在DeFi、跨境支付等场景有应用潜力。了解其技术原理、市场定位及潜在风险，有助于理性评估这一新兴数字资产的价值与前景。